尔云间  一个专门做科研的团队

原创 小果 生信果

(资料图片)

本篇将介绍如何利用ggplot2绘制柱状图以清楚地展示各肿瘤某一指标的比较（如肿瘤缓解率）和GSVA分析结果。

1、肿瘤缓解率结果展示

首先启动程序包

library(ggplot2)

然后读取数据

df<-read.csv("easy_input1.csv")

数据结构如下图，为2列。第一列为不同癌症，第二列为score

按照score排序，并画图：

df<-df[order(df$score,decreasing = T),]df$index<-seq(1,nrow(df))p<-ggplot(df,aes(x=index,y=score,fill=ID)) +   geom_bar(stat = 'identity',width = 0.8) +   scale_fill_brewer(type = "Qualitative", palette = "Paired") + #bar的颜色    scale_y_continuous(breaks=seq(-100, 100, 10), #y轴刻度                     expand = c(0,0)) + #上下都不留空  scale_x_discrete(expand = expand_scale(mult = c(0.01,0))) + #左边留空，右边到头  #画3条横线  geom_hline(yintercept = c(-30,0,20),              linetype = 5, #画虚线             size = 0.3) + #线的粗细    #其他主题  labs(x = "", y = "Maximum Change in Tumor Size (%)",        title = "A Maximum Change in Tumor Size, According to Tumor Type") +  theme_bw() + #去除背景色  theme(panel.grid =element_blank()) + #去除网格线  theme(panel.border = element_blank()) + #去除外层边框  theme(axis.line = element_line(colour = "black")) + #沿坐标轴显示直线  theme(axis.line.x = element_blank(), axis.ticks.x = element_blank(), axis.text.x = element_blank()) + #去除x轴    #图例  guides(fill = guide_legend(ncol = 5,title = NULL)) + #图例分5列  scale_size(range=c(5,20)) +  theme(legend.background = element_blank(), #移除整体边框        #图例的左下角置于绘图区域的左下角        legend.position=c(0,0),legend.justification = c(0,0))         #改用下面这行，图例就会位于顶部        #legend.position="top")

由于Cancer12值很高，使得图片右侧很空。对其进行修改，让y轴适合大部分数据，然后在最高的那个bar上标出实际数据。

#设置坐标轴范围，最大值设为50，以适应大多数数据P <- p + coord_cartesian(ylim = c(-90,50)) + #y轴范围，根据实际情况调整  #添加数据标签  geom_text(data = subset(df, score > 50),            aes(index, 48,label=round(score))) + #在超过50的bar上标出实际数据  geom_text(data = subset(df, index == 3),            aes(index, score + 1,label = "*")) + #作者的特殊标记  geom_text(data = subset(df, index == nrow(df)),            aes(index, score - 3, label = "T"))  #作者的特殊标记

2、GSVA结果展示

2.1 score绝对值小于阈值的bar显示为灰色

输入数据，包含两列：ID和score

df<-read.csv("easy_input2.csv")

按照score的值分组

df$group<-cut(df$score, breaks = c(-Inf,-4,4,Inf),labels = c(1,2,3))

按照score排序

df<-df[order(df$score,decreasing = F),]

df$index<-seq(1,nrow(df))

开始画图：

ggplot(df,aes(x=index,y=score,fill=group)) +   geom_bar(stat = 'identity',width = 0.8) +   scale_fill_manual(values = c("palegreen3","snow3","dodgerblue4")) + #bar的颜色  scale_x_discrete(expand = expand_scale(add = .6)) +   scale_y_continuous(breaks=seq(-30, 20, 5)) +  coord_flip() + #坐标轴互换    #画2条横线  geom_hline(yintercept = c(-4,4),              color="white",             linetype = 2,#画虚线             size = 0.3) + #线的粗细  #写label  geom_text(data = subset(df, score > 0),            aes(x=index, y=0, label=paste0(ID,"  "), color = group),#bar跟坐标轴间留出间隙            size = 3, #字的大小            hjust = "inward" ) +  #字的对齐方式  geom_text(data = subset(df, score < 0),            aes(x=index, y=0, label=paste0("  ",ID), color = group),            size = 3, hjust = "outward") +    scale_colour_manual(values = c("black","snow3","black")) +  #其他主题  labs(x = "", y = "t value of GSVA score, tumor \n versus non-malignant",        title = "Endothelial cells, tumour versus non-malignant") +  theme_bw() + #去除背景色  theme(panel.grid =element_blank()) + #去除网格线  theme(panel.border = element_rect(size = 0.6)) + #边框粗细  theme(axis.line.y = element_blank(), axis.ticks.y = element_blank(), axis.text.y = element_blank()) + #去除y轴  guides(fill=FALSE,color=FALSE)  #不显示图例

2.2 pvalue>0.05的bar显示为灰色

输入数据，包含三列，ID、score和pvalue

df<-read.csv("easy_input3.csv")

#按照pvalue分组

df$p.group<-cut(df$pval, breaks = c(-Inf,0.05,Inf),labels = c(1,0))

#按照score分组

df$s.group<-cut(df$score, breaks = c(-Inf,0,Inf),labels = c(0,1))

#合并

df$ps.group <- paste0(df$p.group,df$s.group)

#根据pvalue和score分为3组

df$group<-ifelse(df$ps.group=='10','1',ifelse(df$ps.group=='11','2','3'))

按照score排序

df<-df[order(df$score,decreasing = F),]

df$index<-seq(1,nrow(df))

开始画图：

只调整了颜色顺序，其余跟“2.1”的画图代码是一样的

scale_fill_manual(values = c("palegreen3","dodgerblue4","snow3")) + #颜色

推荐阅读

使用R语言完成序列比对及进化树美化

看小果演示CIBETSORT、xcell两种常用的R语言包

一步到位？R代码构建列线图

小果教你三分钟看懂多条线共存的ROC图的R语言画法

快速学习如何确定差异分析阈值来筛选差异基因