本期教程
封面
获得往期教程
Data and Code，请在后台回复：20240809。请大家看清楚回复关键词，每天都有很多人回复错误关键词，我这边没时间和精力一一回复。
2022年教程总汇
https://mp.weixin.qq.com/s/Lnl258WhbK2a8pRZFuIyVg
2023年教程总汇
https://mp.weixin.qq.com/s/wCTswNP8iHMNvu5GQauHdg
2024年更新文档
2024年1月份更新文档
2024年2月份更新文档
2024年3月份更新文档
2024年4月份更新文档
2024年5月份更新文档
2024年6月份更新文档
2024年7月份更新文档
Code
1. 此脚所需文件
Data01
Data02_sample_key
2. 数据处理和计算
##'@导入所需的R包
library(tidyverse)
library(viridis)
library(reshape2)
#Import Data
#Data in COSMIC fit
data <- read.table(file="data01.txt",
header = TRUE, row.names = 1)
#Transpose so that each sample = 1 column
data <- as.data.frame(t(data))
#Convert Mutation Counts to Relative Contribution
data_relative <- scale(data, center = FALSE, scale = colSums(data))
head(colSums(data_relative))
#Restore Format
data_relative <- as.data.frame(t(data_relative))
data_relative <- tibble::rownames_to_column(data_relative, var="Samples")
#Import Sample Key
sample_key <- read.csv(file="data02-sample_key.csv")
data_relative=data_relative[order(data_relative$Samples),]
sample_key=sample_key[order(sample_key$Sample),]
data_relative$Cohort <- sample_key$Cohort[sample_key$Sample %in% data_relative$Samples]
#Remove Cohorts with less than 5 cases
data_relative <- filter(data_relative, Cohort != "Cervix-AdenoCA" & Cohort != "Breast-DCIS" & Cohort != "Myeloid-MDS")
#Select Columns to Plot
sbs40_data_relative <- as.data.frame(data_relative[,(c(1,48,47,49,64))])
#Create Proportions
sbs40_proportions <- sbs40_data_relative %>%
group_by(Cohort) %>%
summarise(
SBS40a = sum(SBS40a >0)/n(),
SBS40b = sum(SBS40b >0)/n(),
SBS40c= sum(SBS40c >0)/n(),
)
#Summarise (SBS40 Signatures, Relative)
summary <- sbs40_data_relative %>% group_by(Cohort) %>% summarise_if(is.numeric, mean)
#Melt
sbs40_proportions <- melt(sbs40_proportions)
summary_melt <- melt(summary)
#Combine
summary_melt$prop = sbs40_proportions$value
- 获得绘图数据
summary_melt。
> head(summary_melt)
Cohort variable value prop
1 Biliary-AdenoCA SBS40a 0.22762994 0.5428571
2 Bladder-TCC SBS40a 0.04237746 0.1304348
3 Bone-Benign SBS40a 0.08948290 0.2500000
4 Bone-Epith SBS40a 0.28331677 0.6000000
5 Bone-Osterosarc SBS40a 0.05965147 0.1714286
6 Breast-AdenoCA SBS40a 0.23385891 0.6000000
- 绘制基础图形
ggplot(summary_melt, aes(x = Cohort, y = fct_rev(variable))) +
geom_point(aes(fill = value, size = prop), color = "black", shape = 21) +
scale_fill_viridis() +
theme_bw() +
theme(axis.title.x = element_blank()) +
theme(axis.title.y = element_blank()) +
theme(axis.text.x = element_text(angle = 45, hjust=1, size = 6)) +
theme(axis.text.y = element_text(size = 6)) +
labs(size="Percentage of Cases\nwith Signature", fill="Mean Relative\nAttribution") +
theme(legend.position="bottom") +
theme(legend.text=element_text(size=6)) +
theme(legend.title=element_text(size=6))
- 使用
geom_rect（），添加标识。
ggplot(summary_melt, aes(x = Cohort, y = fct_rev(variable))) +
##'@添加灰色条带
geom_rect(ymin = 0, ymax = 4, xmin = 16.5, xmax = 17.5,
alpha = 1, color = "black", fill = "grey75", linewidth = 0.25) +
##
geom_point(aes(fill = value, size = prop), color = "black", shape = 21) +
scale_fill_viridis() +
theme_bw() +
theme(axis.title.x = element_blank()) +
theme(axis.title.y = element_blank()) +
theme(axis.text.x = element_text(angle = 45, hjust=1, size = 6)) +
theme(axis.text.y = element_text(size = 6)) +
labs(size="Percentage of Cases\nwith Signature", fill="Mean Relative\nAttribution") +
theme(legend.position="bottom") +
theme(legend.text=element_text(size=6)) +
theme(legend.title=element_text(size=6))
若我们的教程对你有所帮助，请
点赞+收藏+转发，这是对我们最大的支持。
往期部分文章
1. 最全WGCNA教程（替换数据即可出全部结果与图形）
2. 精美图形绘制教程
3. 转录组分析教程
4. 转录组下游分析
小杜的生信筆記 ，主要发表或收录生物信息学教程，以及基于R分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料!!
