读图
样本首先按AFP(甲胎蛋白)水平排列(从低AFP(≤200,灰色)到高AFP(>200,红色)，然后按MVI(从MVI否到MVI是)排序。成对的样本用灰色直线标注。拟合的虚线曲线显示了蛋白质在肿瘤(红色，n=98)和非肿瘤(蓝色，n=98)样本中的分布。阴影表示95%的置信区间。
思路
两步走，分别做分类变量的格子热图和哑铃图。
先将AFP从低到高排列，再分为低和高。注意改变因子level。
格子热图可以用geom_tile()绘制。
哑铃图即是分组散点图加线段,用geom_segment()绘制。
将两个图进行拼接，注意拼接比例。
绘制
数据格式
示例数据是自己随机创建的，无实际意义。
导入并预处理数据
rm(list = ls()) setwd("F:/~/mzbj/mzbj_note/nature_figure1") data <- read.csv("sample.csv") df_order <- data[order(data$AFPVALUE),] #排序 df_cell <- data[,c(1,5,6)] #做小热图用的数据 df2=melt(df_cell,id="SAMPLE") #数据变换 #改变level data$SAMPLE <- factor(data$SAMPLE, levels = df_order$SAMPLE ) df2$SAMPLE <- factor(df2$SAMPLE, levels = df_order$SAMPLE ) df2$variable <- factor(df2$variable,levels = c("MSI","AFP"))
绘制分类变量的格子热图
#设置颜色 cols=c( "H"="#FE8B91","L"="gray", "Y"="#FE8B91","N"="gray" ) p1 <- ggplot(df2,aes(x=SAMPLE,y=variable),size=0.1)+ geom_tile(aes(fill=value),color="white",size=0.1)+ scale_x_discrete("",expand = c(0,0))+ scale_y_discrete("",expand = c(0,0))+ scale_fill_manual(values = cols)+ #指定自定义的颜色 theme( axis.text.x.bottom = element_blank(),#修改坐标轴文本大小 axis.ticks = element_blank(), #不显示坐标轴刻度 legend.title = element_blank() #不显示图例title ) p1
绘制配对哑铃图并添加拟合线
p2 <- ggplot(data) + geom_segment(aes( x = SAMPLE, xend = SAMPLE, y = value1, yend = value2 ), color = "#DDEAF6", size = 0.3) + geom_point( aes(x=SAMPLE, y=value1), group = 1, color = "#96A6E7", size = 3 ) + stat_smooth(aes(x = as.numeric(SAMPLE), y = value1), method=loess, linetype = 2, color = '#96A6E7', fill = '#D9F6F6', level=0.95) + geom_point( aes(x=as.numeric(SAMPLE), y=value2), color = "#FE8B91", size = 3 ) + stat_smooth(aes(x = as.numeric(SAMPLE), y = value2), method=loess, linetype = 2, color = '#FE8B91', fill = '#FEECEA', level=0.95) + theme_classic() + theme(axis.ticks.x = element_blank(), axis.line.x = element_blank(), axis.text.x = element_blank()) p2
按比例拼接
library(patchwork) p1/p2+plot_layout(heights = c(0.1, 1))
基本上还原了这个图。图例部分在AI里进行简单的修正即可~
不足之处
作者在文章中写的是用的lasso曲线进行拟合~这里用了loess方法进行拟合，暂时还不知道method = glm时如何选用lasso
