ggplot2-气泡图(控制点的大小范围)

Pathway富集结果常用气泡图来显示,其基本代码如下: 案例数据: > dat     ko_id                                Kegg_pathway Rich_factor       Pvalue DEGs1  ko00195               ...

Pathway富集结果常用气泡图来显示,其基本代码如下:

案例数据:

dat
     ko_id                                Kegg_pathway Rich_factor       Pvalue DEGs
1  ko00195                              Photosynthesis    3.543363 1.000000e-15    5
2  ko00196           Photosynthesis - antenna proteins    5.575221 1.500000e-10    6
3  ko03008           Ribosome biogenesis in eukaryotes    2.464696 4.920000e-06    7
4  ko00710 Carbon fixation in photosynthetic organisms    2.567654 4.510000e-05    9
5  ko01200                           Carbon metabolism    1.738592 7.350000e-05   11
6  ko03030                             DNA replication    2.453097 1.772599e-03   14
7  ko00030                   Pentose phosphate pathway    2.397575 1.772599e-03   12
8  ko00860        Porphyrin and chlorophyll metabolism    2.574238 1.772599e-03   14
9  ko00062                       Fatty acid elongation    2.857551 2.316650e-03   18
10 ko00630     Glyoxylate and dicarboxylate metabolism    2.129425 5.299956e-03   19
11 ko00230                           Purine metabolism    1.671398 5.299956e-03    4


绘图常利用geom_point几何对象函数实现气泡图绘制过程,同时实现坐标轴翻转

注意显著性大小-log10(Pvalue)映射到的点颜色上、差异基因数映射到点大小上。

kegg_point=ggplot(dat,aes(x=Kegg_pathway,y=Rich_factor))+
  geom_point(aes(color=-log10(Pvalue),size=DEGs),alpha=0.8)+
  coord_flip()+
  scale_color_gradient(low = "green",high = "red")
kegg_point



attachments-2018-09-cdsLNzoX5ba4968809525.jpg不过需要注意的是在部分情况下,对应的DEGs数量较小,自动匹配的点的大小较小,在图片上难以显示明显,可以利用scale_size_continuous(range)参数控制,

譬如:

kegg_point=kegg_point+scale_size_continuous(range=c(4,10))
kegg_point

attachments-2018-09-LOu4BVsV5ba497b4e8491.jpg

size对应的range参数可以有效控制点大小的范围。


如果想提升自己的绘图技能,我们推荐:R语言绘图基础(ggplot2)


更多生物信息课程:

1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程基因家族文献思路解读

2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读转录组(无参)结果解读

3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读OTU网络图绘制cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课:linux系统使用perl入门到精通perl语言高级R语言入门R语言画图

7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析GEO芯片数据挖掘GEO芯片数据标准化GSEA富集分析课程TCGA临床数据生存分析TCGA-转录因子分析TCGA-ceRNA调控网络分析

8.其他,二代测序转录组数据自主分析NCBI数据上传二代测序数据解读


  • 发表于 2018-09-21 15:04
  • 阅读 ( 22717 )
  • 分类:R

0 条评论

请先 登录 后评论
Daitoue
Daitoue

167 篇文章

作家榜 »

  1. omicsgene 702 文章
  2. 安生水 350 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. xun 82 文章
  6. rzx 78 文章
  7. 红橙子 78 文章
  8. CORNERSTONE 72 文章