R语言ggplot2|玩转Manhattan图-你有被要求这么画吗？

Manhattan图算是GWAS分析的标配图了，可参考Bio|manhattan图 进行绘制。

由于Manhattan点太多，后期AI/PS修改的话难度有点大，如果可以“个性化”绘制的话那是极好的！

一 载入R包，数据

1）载入数据处理的tidyverse包，使用qqman中gwasResults示例数据集

#载入R包
#install.packages("qqman")
library(qqman)
library(tidyverse)
#查看原始数据
head(gwasResults)
SNP CHR BP         P
1 rs1   1  1 0.9148060
2 rs2   1  2 0.9370754
3 rs3   1  3 0.2861395
4 rs4   1  4 0.8304476
5 rs5   1  5 0.6417455
6 rs6   1  6 0.5190959

我们知道Manhattan图实际就是点图，横坐标是chr，纵坐标是-log(Pvalue) ，原始P值越小，-log转化后的值越大，在图中就越高。

原始数据中重要的“元素”都有了 ，我们自己的数据也是只需要这四列就可以了。注意绘制前需要转化一下：

2）处理原始数据---计算SNP的累计位置

# 1)计算chr长度
chr_len <- gwasResults %>% group_by(CHR) %>% summarise(chr_len=max(BP))
# 2） 计算每条chr的初始位置
chr_pos <- chr_len  %>% mutate(total = cumsum(chr_len) - chr_len) %>%select(-chr_len)
#3)计算累计SNP的位置
Snp_pos <- chr_pos %>%left_join(gwasResults, ., by="CHR") %>%arrange(CHR, BP) %>%mutate( BPcum = BP + total)#查看转化后的数据
head(Snp_pos,2)SNP CHR BP         P total BPcum
1 rs1   1  1 0.9148060     0     1
2 rs2   1  2 0.9370754     0     2

数据准备完成，开始绘图。

二 ggplot2绘制Manhattan图

1 纵坐标为P值转-log10（）

ggplot(Snp_pos, aes(x=BPcum, y=-log10(P))) +
geom_point( aes(color=as.factor(CHR)))

基本图形出来了，但是有点怪；不急，一点点改进：

  • 横坐标标签设置在每个chr中间位置；

  • 背景色去掉，线去掉等

  • 去掉点和X轴之间的 “gap” （很多地方可用）

  • 添加阈值线

2 绘制加强版Manhattan图

1) 准备X轴标签位置--在每条chr的中间

X_axis <-  Snp_pos %>% group_by(CHR) %>% summarize(center=( max(BPcum) +min(BPcum) ) / 2 )

2）绘制“改良版”Manhattan图

p <- ggplot(Snp_pos, aes(x=BPcum, y=-log10(P))) +
#设置点的大小，透明度geom_point( aes(color=as.factor(CHR)), alpha=0.8, size=1.3) +
#设置颜色scale_color_manual(values = rep(c("grey", "skyblue"), 22 )) +
#设定X轴scale_x_continuous( label = X_axis$CHR, breaks= X_axis$center ) +
#去除绘图区和X轴之间的gapscale_y_continuous(expand = c(0, 0) ) +  
#添加阈值线
geom_hline(yintercept = c(6, -log10(0.05/nrow(Snp_pos))), color = c('green', 'red'),size = 1.2, linetype = c("dotted", "twodash")) + 
#设置主题theme_bw() +theme(legend.position="none",panel.border = element_blank(),axis.line.y = element_line(),panel.grid.major.x = element_blank(),panel.grid.minor.x = element_blank())

这时候是不是就可以了，????。

当然了既然是ggplot2绘制的Manhattan图（点图），那么关于点，线，坐标，主题的设置当然都可以设置了，看这里

ggplot2|详解八大基本绘图要素

ggplot2|theme主题设置，详解绘图优化-“精雕细琢”

3 玩转Manhattan图

1) 利用数据集自带的snpsOfInterest标示显著的位点，展示重要的基因信息
library(ggrepel)
#准备数据
data <- Snp_pos %>%
# 添加高亮和注释信息：snpsOfInterest中的rs编号和P值大于6的点mutate( is_highlight=ifelse(SNP %in% snpsOfInterest, "yes", "no")) %>%mutate( is_annotate=ifelse(-log10(P)>6, "yes", "no"))

#绘图

p1 <- ggplot(data, aes(x=BPcum, y=-log10(P))) +geom_point( aes(color=as.factor(CHR)), alpha=0.8, size=1.3) +scale_color_manual(values = rep(c("grey", "skyblue"), 22 )) +scale_x_continuous( label = X_axis$CHR, breaks= X_axis$center ) +scale_y_continuous(expand = c(0, 0) ) +  # 添加高亮点geom_point(data=subset(data, is_highlight=="yes"), color="orange", size=2) +# 添加高亮label，且防止重叠geom_label_repel( data=subset(data, is_annotate=="yes"), aes(label=SNP), size=2)+theme_bw() + 
theme(legend.position="none",panel.border = element_blank(),panel.grid.major.x = element_blank(),panel.grid.minor.x = element_blank())

如果我们自己的gwas结果数据是Gene的话，label更改即可标示基因。


2) 自定义重要的基因，标示

如果有某些“目的基因”，想查看这些基因的P值呢？

新加gene和gene_annotate列即可！

#准备数据,使用基础函数
data <- Snp_pos
#根据目的基因的位置，新加gene和gene_annotate列
data$gene[data$CHR == 3 & data$BP == 366] <- "geneA"
data$gene_annotate[data$CHR == 3 & data$BP == 366] <- "yes"
data$gene[data$SNP == "rs4064"] <- "geneB"
data$gene_annotate[data$SNP == "rs4064"] <- "yes"
# 绘图
p2 <- ggplot(data, aes(x=BPcum, y=-log10(P))) +geom_point( aes(color=as.factor(CHR)), alpha=0.8, size=1.3) +scale_color_manual(values = rep(c("grey", "skyblue"), 22 )) +scale_x_continuous( label = X_axis$CHR, breaks= X_axis$center ) +scale_y_continuous(expand = c(0, 0) ) +  geom_label_repel( data=subset(data, gene_annotate=="yes"), aes(label=gene),size=4, col = "red") +theme_bw() + 
theme(legend.position="none",panel.border = element_blank(),panel.grid.major.x = element_blank(),panel.grid.minor.x = element_blank())

3）区域放大展示

重点展示某一区域的P值情况

library(ggforce)
data <- Snp_pos %>%
# 添加高亮和注释信息：snpsOfInterest中的rs编号和P值大于6的点
mutate( is_highlight=ifelse(SNP %in% snpsOfInterest, "yes", "no")) %>%
mutate( is_annotate=ifelse(-log10(P)>6, "yes", "no"))p3 <- ggplot(data, aes(x=BPcum, y=-log10(P))) +geom_point( aes(color=as.factor(CHR)), alpha=0.8, size=1.3) +scale_color_manual(values = rep(c("grey", "skyblue"), 22 )) +scale_x_continuous( label = X_axis$CHR, breaks= X_axis$center ) +scale_y_continuous(expand = c(0, 0) ) +   geom_point(data=subset(data, is_highlight=="yes"), color="orange", size=2)+facet_zoom(x = BPcum >= 3000 & BPcum <=3500)+theme_bw() + 
theme(legend.position="none",panel.border = element_blank(),panel.grid.major.x = element_blank(),panel.grid.minor.x = element_blank()
)

可参考ggforce|绘制区域轮廓-区域放大-寻找你的“onepiece”

4）plotly 交互展示

library(plotly)data <- Snp_pos %>%mutate( is_highlight=ifelse(SNP %in% snpsOfInterest, "yes", "no")) %>% filter(-log10(P)>0.5) #过滤一些点，交互式压力小
# 准备SNP展示的text信息
data$text <- paste("SNP: ", data$SNP, "\nPosition: ", data$BP, "\nChromosome: ",data$CHR, "\nLOD score:", -log10(data$P) %>% round(2), "\nWhat else do you wanna know", sep="")p4 <- ggplot(data, aes(x=BPcum, y=-log10(P), text=text)) +geom_point( aes(color=as.factor(CHR)), alpha=0.8, size=1.3) +scale_color_manual(values = rep(c("grey", "skyblue"), 22 )) +scale_x_continuous( label = X_axis$CHR, breaks= X_axis$center ) +scale_y_continuous(expand = c(0, 0) ) +ylim(0,9) +geom_point(data=subset(data, is_highlight=="yes"), color="orange", size=2) +theme_bw() +theme(legend.position="none",panel.border = element_blank(),panel.grid.major.x = element_blank(),panel.grid.minor.x = element_blank())
ggplotly(p4, tooltip="text")

好吧，其实这个用处不太大，，，

以上就是ggplot2绘制一些常见的Manhattan图，好处当然就是兼容ggplot2的参数，也就可以根据需要自行设置。

猜你喜欢

  • K-近邻算法通俗理解与实践

  • 11种概率分布，你了解几个？

  • 贝叶斯定理的通俗理解

  • R语言资源整理——史上最全

  • R语言读取xlsx文件

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/51142.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

[R语言绘图]plot函数的使用

[R语言绘图]plot函数的使用

R语言中最简单的一个绘图函数就是plot了。如果之前用过matlab&#xff0c;用R画图的时候就很可能会尝试plot这个命令能不能使用。plot(a)一般就能得到我们想要的图。但是&#xff0c;如果想进一步设置其他属性&#xff0c;如标题、x轴名称、y轴名称等&#xff0c;还需要对另外的…
阅读更多...
R语言绘图之ggplot2

R语言绘图之ggplot2

一.基础知识 首先载入tidyverse包 # install.packages("tidyverse") library(tidyverse) 这一行代码加载了tidyverse的核心R包。在几乎所有的数据分析任务中&#xff0c;你都会用到这些R包。这行代码还会告诉你tidyverse中的哪些函数与基础R包&#xff08;或者已加…
阅读更多...
R语言（ggplot2绘图）

R语言（ggplot2绘图）

原文链接&#xff1a;https://wklchris.github.io/R-ggplot2.html ggplot2 的语法与 R 原生的语法并不统一&#xff0c;但是熟悉起来也并不复杂。它主要通过“”连接多个绘图函数&#xff0c;同时允许将绘图结果赋值给其他对象&#xff0c;因此使用起来更加灵活。 ggplot2 最为…
阅读更多...
R语言绘图——实用篇 ggplot2绘图

R语言绘图——实用篇 ggplot2绘图

文章目录 R语言绘图——实用篇 ggplot2绘图绘制等值线图相关如何绘制等值线图插值&#xff0c;平滑插值插值&#xff0c;缺失值插值色条(色阶)划分图例的色条(色阶)修改&#xff0c;合理的参数值选用图例的色条(色阶)修改&#xff0c;刻度线修改无效或不显示的问题 地图绘制相关…
阅读更多...
R语言ggplot绘图

R语言ggplot绘图

一、R语言ggplot2绘折线图 读取文件放置的位置&#xff0c;赋予数组名称 library(ggplot2) setwd("E:\\Buffer\\My work\\ggplot_data") diameter <- read.csv("0.031_0.062_ggplot_try.csv", stringsAsFactors FALSE)看看数组里的各种内容 class(d…
阅读更多...
R语言基础画图/绘图/作图

R语言基础画图/绘图/作图

R语言基础画图 R语言免费且开源&#xff0c;其强大和自由的画图功能&#xff0c;深受广大学生和可视化工作人员喜爱&#xff0c;这篇文章对如何使用R语言作基本的图形&#xff0c;如直方图&#xff0c;点图&#xff0c;饼状图以及箱线图进行简单介绍。 0 结构 每种图形构成一…
阅读更多...
R语言ggplot2绘图

R语言ggplot2绘图

R语言绘图之ggplot2 一.绘图的基本要素1.图形映射2.分面&#xff1a;3.添加平滑曲线 二.绘制条形图设置坐标抽格式 一.绘图的基本要素 首先载入tidyverse包 install.packages("tidyverse") library(tidyverse)​​​​这一行代码加载了tidyverse的核心R包。在几乎所…
阅读更多...
R语言---ggplot绘图

R语言---ggplot绘图

散点图 堆积柱形图 library(ggplot2)ggplot(mtcars,aes(mpg,wt))geom_point()簇状柱形图 library(ggplot2) ggplot(mtcars,aes(factor(cyl),fillfactor(am)))geom_bar()直方图 密度图 library(ggplot) ggplot(mtcars,aes(factor(cyl),fillfactor(am)))geom_bar(position&qu…
阅读更多...
R语言绘图基础

R语言绘图基础

目录 一、R语言的基本绘图函数 1、高级绘图函数 &#xff08;1&#xff09;plot函数 &#xff08;2&#xff09;其他高级绘图函数 2、低级绘图函数 二、图形参数与图形控制 1、绘图参数 2、图形控制 3、图形颜色 &#xff08;1&#xff09;颜色名称 &#xff08;2&#…
阅读更多...
R语言绘图

R语言绘图

画图例子 R Graph Cookbook例子 From&#xff1a;http://www.dataguru.cn/article-1766-1.html 今天突然找到一本专门教授R语言绘图的书&#xff0c;R Graph Cookbook&#xff0c;发现还不错。当初喜欢上R语言就是因为它绘图特别好看。下面把这本书的内容&#xff0c;经过我学…
阅读更多...
小米手机通用面具安装,root获取

小米手机通用面具安装,root获取

小米手机通用面具安装,root获取 第一篇 环境准备,解锁手机 小米手机,红米手机通用面具安装方法 一 材料准备 电脑一部,没有的朋友可以去网吧小米或红米手机一部,需登录账号7天以上,可以解锁数据线一条,需要能传数据 二 解锁手机 小米有专门的解锁工具,我就不将其下载下来另存…
阅读更多...
ADB的安装和使用教程，小米手机连接adb实例演示

ADB的安装和使用教程，小米手机连接adb实例演示

首先我们需要下载 adb 的程序包&#xff0c;只要 1M 就好了。也可以通过安装 android sdk 等工具间接安装&#xff0c;可以自行百度。 小蓝枣的资源仓库&#xff0c;提取码: p8h1 adb 的安装 步骤一&#xff1a; 下载后找个位置把它解压一下。 步骤二&#xff1a; 然后把压缩…
阅读更多...
android开发：小米手机开发时非要sim卡才能调试怎么办？

android开发：小米手机开发时非要sim卡才能调试怎么办？

问题&#xff1a; 公司新的测试机是小米2s&#xff0c;但是到了安装调试包时&#xff0c;总是安装失败&#xff0c;不管是打开开发者模式&#xff0c;还是启动或者禁止mui优化功能&#xff0c;都一直出现安装不可用&#xff0c;后来往上查了下&#xff0c;是因为小米系统包稳定…
阅读更多...
Mobile - 小米手机如何开通应用分身？应用多开？

Mobile - 小米手机如何开通应用分身？应用多开？

有时候办公需要使用多个账号&#xff0c;切换多个应用不停地切换很麻烦&#xff0c;那么&#xff0c;怎么让应用多开&#xff0c;同时在一部手机上使用多个相同的应用呢&#xff1f; 工具 / 原料 小米手机 方法 / 步骤 首先打开小米手机的“设置”&#xff0c;向下滑动&#…
阅读更多...
小米手机开发者选项打开usb安装需要SIM卡解决办法

小米手机开发者选项打开usb安装需要SIM卡解决办法

前言 最近在做一些安卓的开发&#xff0c;想用之前用过的小米8做测试 但是打开usb调试的usb安装之后却显示需要插入SIM卡 搜索了一下原因&#xff0c;可能是防止黄牛买来装一大堆第三方APP上去然后打包二次销售&#xff0c;影响消费者 解决办法 不用特意去办一张卡&#x…
阅读更多...
MIUI 强制跳过 关闭 打开 小米手机 USB安装 USB安全 USB安全设置 应用确认

MIUI 强制跳过 关闭 打开 小米手机 USB安装 USB安全 USB安全设置 应用确认

MIUI 强制跳过 关闭 打开 小米手机 USB安装 USB安全 USB安全设置 应用确认 一、背景和结论 众所周知&#xff0c;小米手机开启 USB 安装功能&#xff0c;需要插入 SIM 卡登陆、需要登小米账号。我这台手机已root&#xff0c;懒得登陆了&#xff0c;就准备通过修改文件的方式来…
阅读更多...
小米手机安装 Charles 证书

小米手机安装 Charles 证书

1、准备工作 首先电脑安装 Charles&#xff08;这个不教&#xff09;&#xff1b; 准备一台小米手机&#xff08;自备&#xff0c;不送&#xff09;&#xff1b; 2、charles 设置代理端口 打开 Charles 的 Proxy > Proxy Settings…&#xff1b;设置代理端口为&#xff1…
阅读更多...
小米手机 samba_神仙手机软件！每个都是手机之必备APP！！

小米手机 samba_神仙手机软件！每个都是手机之必备APP！！

大家好，我是越越热爱不止，分享继续，感谢观看。 1.随手存盒 随手存盒是一款可以帮助用户快速找到想要的文件。 它可以一键查看各个平台接收的文件内容，相当于一个文件中转站，并且可以实现不同平台之间的自由传送； 其次此款软件还附带了“电脑管理文件+快传”功能，在同一…
阅读更多...
论文的开题报告是什么样的？

论文的开题报告是什么样的？

马上就要到毕业季了&#xff0c;许多小伙伴开始着手写论文&#xff0c;但在此之前要先把开题报告搞定才行。其实开题报告相比论文而言要简单很多&#xff0c;但对于从未写过开题报告的同学却不知道从哪里下手。下面就为大家介绍一下一份完整的开题报告到底长什么样子&#xff0…
阅读更多...
毕业设计的开题报告怎么写？

毕业设计的开题报告怎么写？

本文将事无巨细地为你介绍毕业论文开题报告的写法&#xff0c;让你看完就有灵感&#xff0c;能立马上手写出一篇开题报告来&#xff0c;建议点赞收藏哦。 首先&#xff0c;你得知道为什么要写开题报告。开题报告就像是你论文写作的导航软件&#xff0c;帮你确认论文的起点、途径…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023