技术标签: python 数据分析 信息可视化 数据挖掘 大数据
如果你使用本代码,请引用:Changwu Wu. 2022. Pan-cancer analyses reveal molecular and clinical characteristics of cuproptosis regulators. iMeta 1: e68. https://doi.org/10.1002/imt2.68
代码编写及注释:农心生信工作室。
写在前面
气泡图 (bubble map) 具有多种衍生的形式,在气泡图中加入线段可以展现一些变量之间的相关性。本期我们挑选2022年12月5日刊登在iMeta上的Pan-cancer analyses reveal molecular and clinical characteristics of cuproptosis regulators- iMeta|湘雅医院刘庆组-泛癌分析揭示铜死亡调节子的临床和分子特征,选择文章的Figure 9A进行复现,基于ggplot2包,讲解和探讨棒棒糖图的绘制方法,先上原图:
接下来,我们将通过详尽的代码逐步拆解原图,最终实现对原图的复现。
R包检测和安装
01
安装核心R包ggplot2以及一些功能辅助性R包,并载入所有R包。
if (!require("ggplot2"))
install.packages('ggplot2')
if (!require("cowplot"))
install.packages('cowplot')
# 加载包
library(ggplot2)
library(cowplot)
生成测试数据
02
原图表示铜死亡活性与药物敏感性(IC50值)之间的相关性。每一行代表一种药物和药物靶标。线的长度代表相关系数。点的大小代表统计学意义,点越大,统计学显著性越高。我们根据原图特征生成测试数据test.CSV。相关示例数据可以在GitHub上下载: https://github.com/iMetaScience/iMetaPlot/tree/main/221220Lollipops
#读取test.CSV对应表
df <- read.csv("test.CSV",header = T)
#固定列的顺序
df$Drug <- factor(df$Drug,levels = df$Drug)
df$Target <- factor(df$Target,levels = df$Target)
df$Target.Pathway <- factor(df$Target.Pathway,levels = df$Target.Pathway)
作图预览
03
开始作图,首先根据Grug一列做y轴,画一个最基本的气泡图:
p1 <- ggplot(df,aes(Correlation,Drug))+
geom_point(aes(size = pvalue),color = "skyblue")
04
添加线段,这里使用的关键函数是geom_segment,它可以通过映射x坐标和y坐标的起点终点,最终得到有方向由长度的向量。本例中所有线段都是垂直与x轴,长度代表相关性,因此需要先根据相关性生成一个包括x和y终点和起点的数据框:
#生成线段数据框
segment_df <- data.frame(x = 0,y = seq(1:15),xend = df$Correlation,yend = seq(1:15))
p1 <- ggplot(df,aes(Correlation,Drug))+
geom_point(aes(size = pvalue),color = "skyblue")+
geom_segment(segment_df,mapping = aes(x = x, y = y, xend = xend, yend = yend),size = 0.8,color = "skyblue")
05
调整参数美化图片:
p1 <- ggplot(df,aes(Correlation,Drug))+
geom_point(aes(size = pvalue),color = "skyblue")+
geom_segment(segment_df,mapping = aes(x = x, y = y, xend = xend, yend = yend),size = 0.8,color = "skyblue")+
scale_x_continuous(limits = c(0,0.152), #设置x轴范围
expand = expansion(mult = 0))+ #expansion函数的参数mult: 百分比间距,可以接受一个向量
theme(panel.background = element_blank(), #删除背景
panel.grid = element_line (colour = "lightgrey"), #设置网格颜色
panel.border = element_rect(fill = NA,colour = "black",size = 0.8))+ #设置边框
ylab("") #删除y轴名
06
通过ggplot2绘制两幅只显示Target.Pathway和Target列名的图片,最后通过cowplot包将所有图片组合。
#Target
p2 <- ggplot(df,aes("",Target))+
theme(panel.background = element_blank(),#去除背景
panel.border = element_blank(), #去除边框
axis.ticks.y = element_blank(), #去除y轴刻度
axis.ticks.x = element_blank())+ #去除x轴刻度
xlab("")+ #去除x轴标题
ylab("")+ #去除y轴标题
coord_fixed(ratio = 10) #将y轴和x轴标度比例设置为10:1
#Target.Pathway,同上
p3 <- ggplot(df,aes("",Target.Pathway))+
theme(panel.background = element_blank(),#去除背景
panel.border = element_blank(),
axis.ticks.y = element_blank(),
axis.ticks.x = element_blank())+
xlab("")+
ylab("")+
coord_fixed(ratio = 10)
p <- plot_grid(p3,p2,p1,
ncol = 3, #三张图片分三列合并
rel_widths = c(1,1,2), #三列所占比例为1:1:2
labels = c("Target.Pathway","Target","Drug"), #每一幅子图片标题名
label_size = 8) #标题大小
完整代码
if (!require("ggplot2"))
install.packages('ggplot2')
if (!require("cowplot"))
install.packages('cowplot')
# 加载包
library(ggplot2)
library(cowplot)
#读取test.CSV对应表
df <- read.csv("test.CSV",header = T)
#固定列的顺序
df$Drug <- factor(df$Drug,levels = df$Drug)
df$Target <- factor(df$Target,levels = df$Target)
df$Target.Pathway <- factor(df$Target.Pathway,levels = df$Target.Pathway)
#生成线段数据框
segment_df <- data.frame(x = 0,y = seq(1:15),xend = df$Correlation,yend = seq(1:15))
p1 <- ggplot(df,aes(Correlation,Drug))+
geom_point(aes(size = pvalue),color = "skyblue")+
geom_segment(segment_df,mapping = aes(x = x, y = y, xend = xend, yend = yend),size = 0.8,color = "skyblue")+
scale_x_continuous(limits = c(0,0.152), #设置x轴范围
expand = expansion(mult = 0))+ #expansion函数的参数mult: 百分比间距,可以接受一个向量
theme(panel.background = element_blank(), #删除背景
panel.grid = element_line (colour = "lightgrey"), #设置网格颜色
panel.border = element_rect(fill = NA,colour = "black",size = 0.8))+ #设置边框
ylab("") #删除y轴名
#Target
p2 <- ggplot(df,aes("",Target))+
theme(panel.background = element_blank(),#去除背景
panel.border = element_blank(), #去除边框
axis.ticks.y = element_blank(), #去除y轴刻度
axis.ticks.x = element_blank())+ #去除x轴刻度
xlab("")+ #去除x轴标题
ylab("")+ #去除y轴标题
coord_fixed(ratio = 10) #将y轴和x轴标度比例设置为10:1
#Target.Pathway,同上
p3 <- ggplot(df,aes("",Target.Pathway))+
theme(panel.background = element_blank(),#去除背景
panel.border = element_blank(),
axis.ticks.y = element_blank(),
axis.ticks.x = element_blank())+
xlab("")+
ylab("")+
coord_fixed(ratio = 10)
pdf("Figure 9A.pdf",width = 11, height = 5.7)
plot_grid(p3,p2,p1,
ncol = 3, #三张图片分三列合并
rel_widths = c(1,1,2), #三列所占比例为1:1:2
labels = c("Target.Pathway","Target","Drug"), #每一幅子图片标题名
label_size = 8) #标题大小
dev.off()
#> quartz_off_screen
#> 2
以上数据和代码仅供大家参考,如有不完善之处,欢迎大家指正!
更多推荐
(▼ 点击跳转)
iMeta封面 | 宏蛋白质组学分析一站式工具集iMetaLab Suite(加拿大渥太华大学Figeys组)
iMeta | 德国国家肿瘤中心顾祖光发表复杂热图(ComplexHeatmap)可视化方法
iMeta | 华南农大陈程杰/夏瑞等发布TBtools构造Circos图的简单方法
往期回顾
:https://onlinelibrary.wiley.com/toc/2770596x/2022/1/1
:https://onlinelibrary.wiley.com/toc/2770596x/2022/1/2
期刊简介
“iMeta” 是由威立、肠菌分会和本领域数百位华人科学家合作出版的开放获取期刊,主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表原创研究、方法和综述以促进宏基因组学、微生物组和生物信息学发展。目标是发表前10%(IF > 15)的高影响力论文。期刊特色包括视频投稿、可重复分析、图片打磨、青年编委、前3年免出版费、50万用户的社交媒体宣传等。2022年2月正式创刊发行!
联系我们
iMeta主页:http://www.imeta.science
出版社:https://wileyonlinelibrary.com/journal/imeta
投稿:https://mc.manuscriptcentral.com/imeta
邮箱:[email protected]
微信公众号
iMeta
责任编辑
微微
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集
文章浏览阅读3.8k次,点赞9次,收藏28次。直接上一个工作中碰到的问题,另外一个系统开启多线程调用我这边的接口,然后我这边会开启多线程批量查询第三方接口并且返回给调用方。使用的是两三年前别人遗留下来的方法,放到线上后发现确实是可以正常取到结果,但是一旦调用,CPU占用就直接100%(部署环境是win server服务器)。因此查看了下相关的老代码并使用JProfiler查看发现是在某个while循环的时候有问题。具体项目代码就不贴了,类似于下面这段代码。while(flag) {//your code;}这里的flag._main函数使用while(1)循环cpu占用99
文章浏览阅读347次。idea shift f6 快捷键无效_idea shift +f6快捷键不生效
文章浏览阅读135次。Ecmacript 中没有DOM 和 BOM核心模块Node为JavaScript提供了很多服务器级别,这些API绝大多数都被包装到了一个具名和核心模块中了,例如文件操作的 fs 核心模块 ,http服务构建的http 模块 path 路径操作模块 os 操作系统信息模块// 用来获取机器信息的var os = require('os')// 用来操作路径的var path = require('path')// 获取当前机器的 CPU 信息console.log(os.cpus._node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是
文章浏览阅读10w+次,点赞435次,收藏3.4k次。SPSS 22 下载安装过程7.6 方差分析与回归分析的SPSS实现7.6.1 SPSS软件概述1 SPSS版本与安装2 SPSS界面3 SPSS特点4 SPSS数据7.6.2 SPSS与方差分析1 单因素方差分析2 双因素方差分析7.6.3 SPSS与回归分析SPSS回归分析过程牙膏价格问题的回归分析_化工数学模型数据回归软件
文章浏览阅读7.5k次。如何利用hutool工具包实现邮件发送功能呢?1、首先引入hutool依赖<dependency> <groupId>cn.hutool</groupId> <artifactId>hutool-all</artifactId> <version>5.7.19</version></dependency>2、编写邮件发送工具类package com.pc.c..._hutool发送邮件
文章浏览阅读867次,点赞2次,收藏2次。docker安装elasticsearch,elasticsearch-head,kibana,ik分词器安装方式基本有两种,一种是pull的方式,一种是Dockerfile的方式,由于pull的方式pull下来后还需配置许多东西且不便于复用,个人比较喜欢使用Dockerfile的方式所有docker支持的镜像基本都在https://hub.docker.com/docker的官网上能找到合..._docker安装kibana连接elasticsearch并且elasticsearch有密码
文章浏览阅读1.3w次,点赞57次,收藏92次。整理 | 郑丽媛出品 | CSDN(ID:CSDNnews)近年来,随着机器学习的兴起,有一门编程语言逐渐变得火热——Python。得益于其针对机器学习提供了大量开源框架和第三方模块,内置..._beeware
文章浏览阅读7.9k次。//// ViewController.swift// Day_10_Timer//// Created by dongqiangfei on 2018/10/15.// Copyright 2018年 飞飞. All rights reserved.//import UIKitclass ViewController: UIViewController { ..._swift timer 暂停
文章浏览阅读986次,点赞2次,收藏2次。1.硬性等待让当前线程暂停执行,应用场景:代码执行速度太快了,但是UI元素没有立马加载出来,造成两者不同步,这时候就可以让代码等待一下,再去执行找元素的动作线程休眠,强制等待 Thread.sleep(long mills)package com.example.demo;import org.junit.jupiter.api.Test;import org.openqa.selenium.By;import org.openqa.selenium.firefox.Firefox.._元素三大等待
文章浏览阅读3k次,点赞4次,收藏14次。Java软件工程师职位分析_java岗位分析
文章浏览阅读2k次。Java:Unreachable code的解决方法_java unreachable code
文章浏览阅读1w次。1、html中设置标签data-*的值 标题 11111 222222、点击获取当前标签的data-url的值$('dd').on('click', function() { var urlVal = $(this).data('ur_如何根据data-*属性获取对应的标签对象