气泡图绘制教程

一边学习，一边总结，一边分享！

本期教程

获得往期教程Data and Code，请在后台回复：20240809。请大家看清楚回复关键词，每天都有很多人回复错误关键词，我这边没时间和精力一一回复。

---

2022年教程总汇

2023年教程总汇

2024年更新文档

Code

1. 此脚所需文件

---

---

2. 数据处理和计算

##'@导入所需的R包
library(tidyverse)
library(viridis)
library(reshape2)

#Import Data
#Data in COSMIC fit
data <- read.table(file="data01.txt",
                   header = TRUE, row.names = 1)

#Transpose so that each sample = 1 column
data <- as.data.frame(t(data))
#Convert Mutation Counts to Relative Contribution
data_relative <- scale(data, center = FALSE, scale = colSums(data))
head(colSums(data_relative))
#Restore Format
data_relative <- as.data.frame(t(data_relative))
data_relative <- tibble::rownames_to_column(data_relative, var="Samples")

#Import Sample Key
sample_key <- read.csv(file="data02-sample_key.csv")

data_relative=data_relative[order(data_relative$Samples),]
sample_key=sample_key[order(sample_key$Sample),]
data_relative$Cohort <- sample_key$Cohort[sample_key$Sample %in% data_relative$Samples]

#Remove Cohorts with less than 5 cases
data_relative <- filter(data_relative, Cohort != "Cervix-AdenoCA" & Cohort != "Breast-DCIS" & Cohort != "Myeloid-MDS")

#Select Columns to Plot
sbs40_data_relative <- as.data.frame(data_relative[,(c(1,48,47,49,64))])

#Create Proportions
sbs40_proportions <- sbs40_data_relative %>% 
  group_by(Cohort) %>% 
  summarise(
    SBS40a = sum(SBS40a >0)/n(), 
    SBS40b = sum(SBS40b >0)/n(), 
    SBS40c= sum(SBS40c >0)/n(), 
  )

#Summarise (SBS40 Signatures, Relative)
summary <- sbs40_data_relative %>% group_by(Cohort) %>% summarise_if(is.numeric, mean)

#Melt
sbs40_proportions <- melt(sbs40_proportions)
summary_melt <- melt(summary)

#Combine
summary_melt$prop = sbs40_proportions$value

4. 获得绘图数据summary_melt。

> head(summary_melt)
           Cohort variable      value      prop
1 Biliary-AdenoCA   SBS40a 0.22762994 0.5428571
2     Bladder-TCC   SBS40a 0.04237746 0.1304348
3     Bone-Benign   SBS40a 0.08948290 0.2500000
4      Bone-Epith   SBS40a 0.28331677 0.6000000
5 Bone-Osterosarc   SBS40a 0.05965147 0.1714286
6  Breast-AdenoCA   SBS40a 0.23385891 0.6000000

5. 绘制基础图形

ggplot(summary_melt, aes(x = Cohort, y = fct_rev(variable))) +
  geom_point(aes(fill = value,  size = prop), color = "black", shape = 21) +
  scale_fill_viridis() +
  theme_bw() +
  theme(axis.title.x = element_blank()) +
  theme(axis.title.y = element_blank()) +
  theme(axis.text.x = element_text(angle = 45, hjust=1, size = 6)) +
  theme(axis.text.y = element_text(size = 6)) +
  labs(size="Percentage of Cases\nwith Signature", fill="Mean Relative\nAttribution") +
  theme(legend.position="bottom") +
  theme(legend.text=element_text(size=6)) +
  theme(legend.title=element_text(size=6))

6. 使用geom_rect（），添加标识。

ggplot(summary_melt, aes(x = Cohort, y = fct_rev(variable))) +
  ##'@添加灰色条带
  geom_rect(ymin = 0, ymax = 4, xmin = 16.5, xmax = 17.5,
            alpha = 1, color = "black", fill = "grey75", linewidth = 0.25) +
  ##
  geom_point(aes(fill = value,  size = prop), color = "black", shape = 21) +
  scale_fill_viridis() +
  theme_bw() +
  theme(axis.title.x = element_blank()) +
  theme(axis.title.y = element_blank()) +
  theme(axis.text.x = element_text(angle = 45, hjust=1, size = 6)) +
  theme(axis.text.y = element_text(size = 6)) +
  labs(size="Percentage of Cases\nwith Signature", fill="Mean Relative\nAttribution") +
  theme(legend.position="bottom") +
  theme(legend.text=element_text(size=6)) +
  theme(legend.title=element_text(size=6))

若我们的教程对你有所帮助，请点赞+收藏+转发，这是对我们最大的支持。

往期部分文章

1. 最全WGCNA教程（替换数据即可出全部结果与图形）

• WGCNA分析 | 全流程分析代码 | 代码一

• WGCNA分析 | 全流程分析代码 | 代码二

• WGCNA分析 | 全流程代码分享 | 代码三

• WGCNA分析 | 全流程分析代码 | 代码四

• WGCNA分析 | 全流程分析代码 | 代码五(最新版本)

---

2. 精美图形绘制教程

• 精美图形绘制教程

3. 转录组分析教程

• 转录组上游分析教程[零基础]

• 一个转录组上游分析流程 | Hisat2-Stringtie

4. 转录组下游分析

• 批量做差异分析及图形绘制 | 基于DESeq2差异分析

• GO和KEGG富集分析

• 单基因GSEA富集分析

• 全基因集GSEA富集分析

小杜的生信筆記 ，主要发表或收录生物信息学教程，以及基于R分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料!!