跟着Nature Metabolism学作图:R语言ggplot2分组折线图添加误差线

论文

Single-cell profiling of vascular endothelial cells reveals progressive organ-specific vulnerabilities during obesity

https://www.nature.com/articles/s42255-022-00674-x#Sec58

s42255-022-00674-x.pdf

https://github.com/Osynchronika/sc_EC_obesity_atlas

大部分 作图的数据都有,可以试着用论文中提供的数据复现一下论文中的图

今天的推文我们复现一下论文中的figure4c 分组折线图并添加误差线,并且在指定区域添加一个灰色背景

image.png

论文中提供的示例数据如下

image.png

手动整理成如下格式

image.png

加载作图需要用到的R包

library(readxl)
library(tidyverse)
library(plotrix)
library(ggh4x)

读取数据

dat<-read_excel("data/20230207/figure4c.xlsx")
dat

按照行计算平均值和标准误

dat %>% 
  rowwise() %>% 
  mutate(mean_value=mean(c_across(rep1:rep4)),
         std_value=std.error(c_across(rep1:rep4))) %>% 
  filter(Weeks>=11)-> new.dat

作图代码

ggplot(data=new.dat,aes(x=Weeks,y=mean_value))+
  annotate(geom = "rect",xmin=22,xmax=27,ymin=-Inf,ymax=Inf,fill="gray")+
  geom_vline(xintercept = 22,lty="dashed",size=1,color="black")+
  geom_point(aes(color=group),size=3)+
  geom_line(aes(color=group),size=1)+
  scale_x_continuous(limits = c(10,27),
                     breaks = seq(10,25,5),
                     guide = "axis_minor",
                     minor_breaks = seq(11,27,1),
                     expand = expansion(mult=c(0,0.05)))+
  scale_y_continuous(limits = c(20,50),
                     breaks = seq(20,50,by=10),
                     expand=expansion(mult=c(0,0)))+
  guides(x=guide_axis_minor(trunc_upper = 27,
                            trunc_lower = 10))+
  geom_errorbar(aes(ymin=mean_value-std_value,
                    ymax=mean_value+std_value,
                    color=group),
                width=0.2,
                size=1)+
  scale_color_manual(values = c("WD"="#f68a15",
                                "Rev 3"="#008c00",
                                "Chow"="#094cc3"))+
  theme_classic()+
  theme(ggh4x.axis.ticks.length.minor= rel(0.5),
        axis.ticks.length.x = unit(0.5,'lines'),
        legend.position = "bottom")+
  labs(x="Age(weeks)",y=expression(Weight%+-%s.e.m.(g)))+
  annotate(geom = "text",x=27,y=41,label="P=0.003",hjust=1)+
  annotate(geom = "text",x=27,y=35,label="P=0.007",hjust=1)+
  coord_cartesian(clip="off")
image.png

做的最后才发现是用figure4d的数据做的图,我说怎么看起来和figure4c差的有点多

示例数据和代码可以给推文点赞,然后点击在看,最后留言获取

欢迎大家关注我的公众号

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!

微信公众号好像又有改动,如果没有将这个公众号设为星标的话,会经常错过公众号的推文,个人建议将 小明的数据分析笔记本 公众号添加星标,添加方法是

点开公众号的页面,右上角有三个点

image.png

点击三个点,会跳出界面

image.png

直接点击 设为星标 就可以了

©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 215,245评论 6 497
  • 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 91,749评论 3 391
  • 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 160,960评论 0 350
  • 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 57,575评论 1 288
  • 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 66,668评论 6 388
  • 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 50,670评论 1 294
  • 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 39,664评论 3 415
  • 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 38,422评论 0 270
  • 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 44,864评论 1 307
  • 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 37,178评论 2 331
  • 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 39,340评论 1 344
  • 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 35,015评论 5 340
  • 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 40,646评论 3 323
  • 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 31,265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 32,494评论 1 268
  • 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 47,261评论 2 368
  • 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 44,206评论 2 352

推荐阅读更多精彩内容