小提琴图(Violin plot)可以用来展示多组数据的分布状态以及概率密度，这种图表结合了箱线图和密度图的特征，常用于生信分析中。

例如：2021年发表在Briefings in Bioinformatics上的一篇影响因子为11.62的文献为例，该文献中大量运用了小提琴图来展示多组数据的分布状态、概率密度以及它们之间的差异。

从小提琴图中我们不仅可以直观地了解数据的中位数、四分位数、异常值等信息，还可以进行差异分析，通过显著性P值来判断两组数据的差异程度。例如第一张图B中，作者将样本分为五组，绘制小提琴图展示了免疫相关预后评分(IRPS)在不同分组的分布状态，并通过显著性P值直观地说明了两两分组之间IRPS的差异。

为了使大家更简便快捷地绘制出精美的小提琴图，这里我们给大家提供一个绘制小提琴图的R脚本，这个脚本只需要准备好相应的输入文件，再进行简单的命令行操作即可绘制出两组或多组数据的小提琴图，并可在两两之间进行差异分析。

使用命令示例如下

#当分组数目为两组时，合适的标签高度需根据数据值的大小调试
Rscript compare_violin_boxplot.r -m metadata_gene.tsv \
    -n PDCD1 -g IRPS_group -s 2 -t wilcox.test -l 8 -o boxplot -p test

#当分组数目大于两组时，合适的标签高度需根据数据值的大小调试
Rscript /share/work/fangs/scripts/tcga/compare_violin_boxplot.r -m metadata_group.tsv \
    -n IRPS -g Subtype -s 5 -t kruskal.test \
    -f 31 -b 2 -l 50 -o boxplot -p IRPS

输入文件准备

这个脚本所必需的输入文件只有一个，通过-m参数指定(metadata_group.tsv)，文件中每一行为一个样本，列必须包含基因表达量等数值型数据以及样本的分组信息，如下列表格所示：

更多脚本参数设置及说明

初次使用脚本时，可以通过-h参数获得以下帮助信息。

Rscript compare_violin_boxplot.r -h
usage: compare_violin_boxplot.r
       [-h] -m meta [-n name] [-g group_name] [-s group_num] [--log2]
       [-t method] [-f from] [-b by] [-l lab_height] [-H HEIGHT] [-W WIDTH]
       [-o OUTDIR] [-p PREFIX]

Difference comparison plot(violin_box)

optional arguments:
  -h, --help            show this help message and exit
  -m meta, --meta meta  Input the clinical information file path that contains
                        the grouping[required]
  -n name, --name name  The column name of the value[optional,default:IRPS]
  -g group_name, --group_name group_name
                        Specifies the column name that contains grouping
                        information[optional,default:TCGA_Subtype]
  -s group_num, --group_num group_num
                        Number of groups[optional,default:5]
  --log2                Whether to perform log2
                        processing[optional,default:False]
  -t method, --method method
                        A method used to compare differences[optional:t.test/w
                        ilcox.test/anova/kruskal.test,default:kruskal.test]
  -f from, --from from  Base height of the label[optional,default:17]
  -b by, --by by        The difference between two tag
                        heights[optional,default:2]
  -l lab_height, --lab_height lab_height
                        Label height[optional,default:35]
  -H HEIGHT, --height HEIGHT
                        the height of dumbbell plot[optional,default 8]
  -W WIDTH, --width WIDTH
                        the width of dumbbell plot[optional,default 8]
  -o OUTDIR, --outdir OUTDIR
                        output file directory[optional,default cwd]
  -p PREFIX, --prefix PREFIX
                        out file name prefix[optional,default kegg]

根据自身需要调整必要的参数：

-n 输入列名，指定用于绘制小提琴图的一列数据；

-g 输入列名，指定根据哪一列分组信息对样本进行分组；

-s 指定分组的数目，最小为2，最大为5；

-t 指定差异分析的方法，如t.test(t检验)、wilcox.test(秩和检验)等；

-l 指定显著性P值标签的高度，需根据数据的值的大小进行调整。

其中需要注意的是，当绘制仅分为两组的小提琴图时，指定以上参数即可，但如果绘制两组以上的小提琴图时，必须还要指定-f和-b参数。这两个参数调整的是两两分组之间显著性P值标签的位置，-f参数指定的是两两分组之间显著性P值标签的最低高度，-b参数指定的是每个标签的间隔大小。

其他参数说明

--log2 加上该参数即要对连续变量进行log2转化；

-H 指定输出图片的高度，默认高为8英寸；

-W 指定输出图片的宽度，默认宽为8英寸；

-o 指定结果输出的路径，默认为当前路径；

-p 指定输出文件名字的前缀。

脚本获取方法

在“生信博士“公众号回复kmplot即可获得网盘链接以及提取码。

如何使用命令行的方法分析数据

可能有的人没有用过命令的形式分析数据, 可以学习下面的课程入门一下：