【R语言】给富集分析的气泡图加个好看的配色

写在前面
ggplot2是一款风靡全球的绘图R包,可惜的是,我对它的理解只能到入门的水平,本着在实战中学习的理念,我就搜索一下往后可能用得到的图,进行揣摩和优化,然后我发现了一个师兄的公众号,遂跟着这个师兄学习R绘图。公众号在文末。

1.读入数据

dat<-read.table("kegg.txt",
                sep = "\t",
                header = T)
colnames(dat)

2.过滤数据并用默认参数展示

library(tidyverse)
dat %>% filter(Corrected.P.Value<0.0001) -> dat01 #这里为了减少计算量,根据P值进行了过滤
dim(dat01)
dim(dat)

library(ggplot2)
dat01$GeneRatio<-dat01$Input.number/200  #ratio的大小其实反应着出现次数的多少
ggplot(dat01,aes(x=GeneRatio,y=Term))+
  geom_point(aes(size=Input.number,color=Corrected.P.Value))
image.png

这当然无法达到我们发文章的要求,需要对其进行美化一下。

3. 美化

install.packages("paletteer")
library(paletteer)
#BiocManager::install("ggsci")
#library(ggsci)
#paletteer_c("ggthemes::Orange-Blue Diverging", 50)
ggplot(dat01,aes(x=GeneRatio,y=reorder(Term,GeneRatio))) +
  geom_point(aes(size=Input.number,color=Corrected.P.Value))+
  coord_cartesian(clip="off")+
  scale_color_paletteer_c(palette = "grDevices::topo.colors",
                          name="p.adjust")+
  theme_bw()+
  scale_size_continuous(name="Count",
                        range = c(1,10))+
  labs(y="Terms")

美化后的效果:


image.png

对上述几个参数进行解读:

  • reorder: 根据出现的次数(generatio)对不同的通路从大到小进行排序。
  • coord_cartesian() :调整画布大小,没什么好说的。
  • scale_color_paletteer_c() :调用调色板paletteer,这里面有很多的调色板可以选用,拿grDevices来说,可以选用topo.colors()、rainbow()、heat.colors()、terrain.colors()、cm.colors();这里给自己挖了坑,能不能用ggsci来配色,目前没解决,等我解决了会来更正的。
  • theme_bw() :调整网络的有无,也没什么好说的。
  • scale_size_continuous() 添加图注,并标注大小范围。

参考链接:
1.绘图 https://mp.weixin.qq.com/s/n6TZoEADyDFcGzSzoGxlsg
2.paletteer documentation:https://www.rdocumentation.org/packages/paletteer/versions/1.4.0
3.grDevices documentation:https://astrostatistics.psu.edu/su07/R/html/grDevices/html/palettes.html

ggsci填坑系列

离散型变量系列:

ggplot(dat01,aes(x=GeneRatio,y=reorder(Term,GeneRatio))) +
  geom_point(aes(size=as.factor(Input.number),color=as.factor(Corrected.P.Value)))+
  coord_cartesian(clip="off")+
  theme_bw()+
  labs(y="Terms")+scale_color_aaas()

配色确实有那味了,但是没想到内置的颜色不够用,可能通路少一点会好。


image.png

连续型变量系列:

q <- ggplot(dat01,aes(x=GeneRatio,y=reorder(Term,GeneRatio))) +
  geom_point(aes(size=Input.number,color=Corrected.P.Value))
  
q+scale_fill_aaas()

然后我发现,不管添不添加配色,都是和默认的配色保持一致,目前猜测可能是颜色不够导致的。


image.png

后记2
1.ggsci https://www.rdocumentation.org/packages/ggsci/versions/2.9
2.https://stackoverflow.com/questions/43359050/error-continuous-value-supplied-to-discrete-scale-in-default-data-set-example

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342

推荐阅读更多精彩内容