跟着Nature Communications学作图:R语言ggplot2柱形图展示GO富集分析的结果

简介: 跟着Nature Communications学作图:R语言ggplot2柱形图展示GO富集分析的结果
+关注继续查看

论文

Chromosome-level assemblies of multiple Arabidopsis genomes reveal hotspots of rearrangements with altered evolutionary dynamics

https://www.nature.com/articles/s41467-020-14779-y

拟南芥NC_panGenome.pdf

分析代码的github主页

https://github.com/schneebergerlab/AMPRIL-genomes

论文中组装了7个拟南芥的基因组,做了一些泛基因组相关的分析,数据和大部分代码都公开了,我们试着复现一下其中的图和一些分析过程,今天的推文复现一下论文中的figure5e 柱形图展示富集分析的结果

做完GO富集分析,数据格式如下

image.png

数据是excel存储

首先是读取数据

library(readxl)
dat<-read_excel("data/20230318/Source_Data.Figure5/5e/Fig5e.HOT.genes.GO.xlsx")
dat

最基本的柱形图

library(ggplot2)
ggplot(dat,aes(x=Term,y=Count))+
  geom_col()

image.png

进行一些美化

library(tidyverse)

dat %>% 
  mutate(Term=str_replace(Term,"GO:[0-9]+~","")) %>% 
  arrange(desc(Count)) %>% 
  mutate(Term=factor(Term,levels = Term)) %>% 
  ggplot(aes(x=Term,y=Count))+
  geom_col(aes(fill=PValue))+
  theme_bw()+
  theme(axis.text.x = element_text(angle = 60,hjust=1),
        legend.position = c(0.9,0.4))+
  scale_y_continuous(expand = expansion(mult = c(0,0)),
                     limits = c(0,65))+
  scale_fill_gradient(low="blue",high = "red",
                      name=expression(italic("P-value")))+
  labs(x=NULL)

image.png

买一送一,再复现一下论文中的Figure5d

fig5d<-read_delim("data/20230318/Source_Data.Figure5/5d/Fig5d.txt",
                  delim = "\t")
library(ggh4x)

fig5d %>% 
  mutate(region=factor(region,levels = c("SYN","HOR"))) -> fig5d
ggplot(data=fig5d,aes(x=`high-effect-variant-percent`,y=region))+
  geom_boxplot(outlier.alpha = 0,
               aes(fill=region),
               width=0.4)+
  theme_bw()+
  theme(legend.position = "none",
        panel.border = element_blank(),
        axis.line = element_line(),
        panel.grid = element_blank())+
  scale_x_continuous(limits = c(0,15))+
  guides(x=guide_axis_truncated(trunc_lower = 0,
                                trunc_upper = 15),
         y=guide_axis_truncated(trunc_lower = 1,
                                trunc_upper = 2))+
  scale_fill_manual(values = c("#2b6aa8","#f39200"))+
  labs(x="Deleterious variants (%)",y=NULL)

image.png

最后是拼图

library(patchwork)
p2+p1+
  plot_layout(widths = c(1,3))

image.png

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

相关文章
|
4月前
|
存储 Go
速绘丨GO富集气泡图绘制方法,利用R语言ggplot2包快速绘制,完整脚本可重复绘图
速绘丨GO富集气泡图绘制方法,利用R语言ggplot2包快速绘制,完整脚本可重复绘图
|
4月前
|
数据采集 机器学习/深度学习 SQL
绝不可错过!R语言与ggplot2实现SCI论文数据分析神器
绝不可错过!R语言与ggplot2实现SCI论文数据分析神器
77 0
|
7月前
|
数据可视化 数据挖掘 定位技术
跟着Nature Communications学作图:R语言ggplot2画世界地图并用md语法添加文字标签
跟着Nature Communications学作图:R语言ggplot2画世界地图并用md语法添加文字标签
|
7月前
|
数据可视化 数据挖掘 Python
跟着Nature Communications学作图:R语言ggplot2画图展示捐赠者的临床概况
跟着Nature Communications学作图:R语言ggplot2画图展示捐赠者的临床概况
|
7月前
|
存储 数据可视化 数据挖掘
跟着Nature Communications学作图:R语言ggplot2散点组合误差线展示响应比(Response ratio)
跟着Nature Communications学作图:R语言ggplot2散点组合误差线展示响应比(Response ratio)
|
7月前
|
数据可视化 数据挖掘 Python
跟着Nature Communications学作图:R语言ggplot2做堆积柱形图展示群体基因组学的结果
跟着Nature Communications学作图:R语言ggplot2做堆积柱形图展示群体基因组学的结果
|
7月前
|
机器学习/深度学习 数据可视化 数据挖掘
跟着Nature Communications学数据分析:R语言做随机森林模型并对变量重要性排序
跟着Nature Communications学数据分析:R语言做随机森林模型并对变量重要性排序
|
7月前
|
数据可视化 数据挖掘 Python
跟着Nature Communications学作图:R语言circlize包做漂亮的弦图
跟着Nature Communications学作图:R语言circlize包做漂亮的弦图
|
7月前
|
数据可视化 数据挖掘 Python
跟着Nature Communications学作图:R语言ggplot2堆积柱形图组合哑铃图
跟着Nature Communications学作图:R语言ggplot2堆积柱形图组合哑铃图
|
7月前
|
数据可视化 数据挖掘 Python
跟着Nature Communications学作图:R语言箱线图和拟合曲线展示泛基因组中的基因家族数量
跟着Nature Communications学作图:R语言箱线图和拟合曲线展示泛基因组中的基因家族数量
推荐文章
更多