跟着Nature学作图：R语言ggplot2箱线图/散点图/patchwork包组合图
用户7010445
发布于 2023-11-13 03:16:06
发布于 2023-11-13 03:16:06
论文
Evolution of immune genes is associated with the Black Death
https://www.nature.com/articles/s41586-022-05349-x
论文中Figure4的代码和数据是可以找到的，今天的推文来复现一下论文中的Figure4
image.png
论文中提供的数据和代码的链接 https://github.com/TaurVil/VilgalysKlunk_yersinia_pestis/
推文主要的学习点是patchwork包将ggplot2的多个图组合到一起
论文中具体的数据是什么意思暂时看的不是很明白，所以跳过论文中处理数据的代码，直接用处理好的数据来画图
加载需要用到的R包
library(tidyverse)
library(patchwork)
一个散点图
dat01<-read_delim("data/20231101/dat01.txt",
delim = "\t")
dat01
p2 <- ggplot(dat01[dat01$TIME == "24h",], aes(x=PC1, y=PC2, color = factor(GT))) +
geom_point(size=6) +
theme_classic() +
scale_color_manual(values = c("#00AFBB", "#E7B800", "#FC4E07"))
p2
一个箱线图
p1 <- ggplot(dat01, aes(x=factor(GT), y=PC1, fill=factor(GT))) +
geom_boxplot() + coord_flip() +
theme_classic() +
scale_color_manual(values = c("#00AFBB", "#E7B800", "#FC4E07")) +
scale_fill_manual(values = c("#00AFBB", "#E7B800", "#FC4E07")) +
xlab("genotype")
p1
image.png
四个箱线图
dat02<-read_delim("data/20231101/dat02.txt",
delim = "\t")
dat02
p3<-dat02 %>%
filter(cytokine == "G-CSF") %>%
mutate(new_value=qqnorm(value, plot.it = F)$x) %>%
ggplot(aes(y=new_value, x=as.factor(status), fill=as.factor(gt))) +
geom_boxplot(outlier.shape = NA) +
ggtitle("G-CSF") +
geom_jitter(width=0.2,col='gray45') +
theme_classic() +
scale_fill_manual(values = c("#00AFBB", "#E7B800", "#FC4E07"))
p3
p4<-dat02 %>%
filter(cytokine == "IL1B") %>%
mutate(new_value=qqnorm(value, plot.it = F)$x) %>%
ggplot(aes(y=new_value, x=as.factor(status), fill=as.factor(gt))) +
geom_boxplot(outlier.shape = NA) +
ggtitle("IL1B") +
geom_jitter(width=0.2,col='gray45') +
theme_classic() +
scale_fill_manual(values = c("#00AFBB", "#E7B800", "#FC4E07"))
p4
p5<-dat02 %>%
filter(cytokine == "IL10") %>%
mutate(new_value=qqnorm(value, plot.it = F)$x) %>%
ggplot(aes(y=new_value, x=as.factor(status), fill=as.factor(gt))) +
geom_boxplot(outlier.shape = NA) +
ggtitle("IL10") +
geom_jitter(width=0.2,col='gray45') +
theme_classic() +
scale_fill_manual(values = c("#00AFBB", "#E7B800", "#FC4E07"))
p5
p6<-dat02 %>%
filter(cytokine == "CCL3") %>%
mutate(new_value=qqnorm(value, plot.it = F)$x) %>%
ggplot(aes(y=new_value, x=as.factor(status), fill=as.factor(gt))) +
geom_boxplot(outlier.shape = NA) +
ggtitle("CCL3") +
geom_jitter(width=0.2,col='gray45') +
theme_classic() +
scale_fill_manual(values = c("#00AFBB", "#E7B800", "#FC4E07"))
p6
image.png
所有图组合到一起
( p2 / p1 ) + part2 + plot_annotation(tag_levels = 'A') +
plot_layout(guides = 'collect', nrow = 1, ncol=3,
widths = c(1,1,2))
image.png
小明的数据分析笔记本
小明的数据分析笔记本 公众号 主要分享：1、R语言和python做数据分析和数据可视化的简单小例子；2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记；3、生物信息学入门学习资料及自己的学习笔记！
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2023-11-08，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
推荐阅读
相关推荐
跟着BioRxiv学作图：R语言ggalluvial包绘制桑基图
更多 >目录
社区新版编辑器体验调研
诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！
腾讯云开发者
