R Advanced Application(Manhattan+heatmap+facet+curve fitting)

绘制曼哈顿图

横坐标为SNP在基因组上对应的染色体位点,纵坐标为-log10(P-value)。

曼哈顿图需要的原始数据应包含以下部分:SNP的ID(rs开头),染色体编号(CHR),具体位置(BP),P-value。

使用qqman包的manhattan函数进行图片绘制,函数形式为:

manhattan(rawdata,chr="CHR",bp="BP",p="P",snp="SNP",  ###源数据必须为数据框形式,且每列的抬头必须都是指定的的字符

col=,main="",ylim=c(0,10),cex=,cex.axis=,  ###其他参数设置

chrlabs=paste("Chr",c(1:22),sep=" "),

suggestiveline=-log10(1e-05),  ###绘制提示线

genomewideline=-log10(5e-08),  ###绘制显著线位置

highlight=NULL,logp=T)  ###不对某一部分进行高亮显示,并对p值取对数处理(这些都是默认的参数)

另外,还可以只进行某一染色体上SNP的分析,这种情况下需要对输入的原始数据框进行处理:

manhattan(subset(rawdata,CHR==1),    ###对原始数据取染色体编号为1的子集

xlim=c(0,0.001))

绘制热图

可以使用的函数包括gplots包下的heatmap.2()以及pheatmap包下的pheatmap()

EXCEL中的条件格式-色阶也可以根据数据绘制出热图

与EXCEL不同的是,R语言绘制热图的同时还可以进行层次聚类。下面列出heatmap.2函数为例:

rawdata=read.table("储存路径\\rawdata.txt",header=T,row.names=1)    ###对输入的原始数据一般都要求以样本为列名,以基因名为行名,因此在输入数据时通过header=T命令来定义表头,通过row.names=1的方式来指定第一列作为行名。

heatmap.2(as.matrix(rawdata),  ###输入的数据要求必须是矩阵形式

col=,main="",scale="row",    ###以行为标准进行归一化

dendrogram="both",    ###定义横纵轴是否聚类,这里设置为全部聚类,还可选择"row"、"col"或"none"

trace="none",    ###不需要给每个色块添加踪迹线

density.info="none",      ###指定是否在颜色图注上叠加"histogram"或"density",这里选择都不添加

key=T,symkey=T,        ###分别指定是否需要颜色图注、颜色图注是否以0对称

ColSideColors=c(rep("orange",3),rep("blue",3)))        ###给聚类后的列(样本)按照聚类分组赋予不同的颜色标签并标注在热图上方

绘制复合图

利用base系统的高自由度绘制多种类型图的组合图,绘制高水平函数后叠加低水平函数即可。如,当需要添加另一个坐标轴,则可以利用axis()函数进行设置,如:

axis(side=3,at=seq(0,10,1),labels=seq(0,10,1))    ###含义为:添加上横轴,坐标刻度从0到10,步长为1,坐标标签与其实际刻度一致

绘制拟合曲线

一般使用ggplot2包中的geom_smooth()或stat_smooth()函数,源码如下:

ggplot(data,aes(x,y,color=))+geom_point+geom_smooth(method=lm)    ###在绘制点图的基础上添加拟合曲线,method指定绘制拟合曲线方法,lm是线性回归拟合的意思

ggplot(data,aes(x,y,color=))+geom_point+stat_smooth(method=lm,level=0.99)        ###规定拟合曲线的置信区间(confidence interval,CI)99%

ggplot(data,aes(x,y,color=))+geom_point+stat_smooth(method=lm,level=0.99,se=F)  ###se=F的作用为禁止呈现置信区间

ggplot(data,aes(x,y,color=))+geom_point+geom_smooth(method=loess)      ###loess是指广义的拟合

绘制分面图并添加注释

分面

主要使用ggplot2包中的facet_wrap()或facet_grid()函数:

facet_wrap(~factor,scales='free')将数据根据某个指定的因子分成独立的几张图,scales=‘free’可以使y轴坐标随着数据大小改变;facet_grid(~factor,scales='free')或facet_grid(factor~.,scales='free')也具有同样的效果,不同之处在于可以参考的因子可以是多个。

添加注释

主要使用geom_text()函数,如果需要给每个分面添加注释,则源码如下:

+geom_text(x,y,data=,aes(label=)),x与y分别指定label的出现位置,data必须是数据框,由上述作为分面依据的factor要求每个分面呈现的注释两列构成,一一对应,aes()后指定label为注释列的列名即可

eg:

每个分面都添加同一个注释则直接使用+annotate("text",x,y,label)即可

unique(data$colname)可以将数据中某一列提取出来呈现,并去除冗余值

©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 213,558评论 6 492
  • 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 91,002评论 3 387
  • 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 159,036评论 0 349
  • 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 57,024评论 1 285
  • 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 66,144评论 6 385
  • 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 50,255评论 1 292
  • 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 39,295评论 3 412
  • 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 38,068评论 0 268
  • 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 44,478评论 1 305
  • 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 36,789评论 2 327
  • 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 38,965评论 1 341
  • 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 34,649评论 4 336
  • 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 40,267评论 3 318
  • 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 30,982评论 0 21
  • 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 32,223评论 1 267
  • 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 46,800评论 2 365
  • 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 43,847评论 2 351

推荐阅读更多精彩内容