跟着iMeta学做图｜ggplot2包绘制棒棒糖图展示变量间的相关性

本文链接：https://blog.csdn.net/qazplm12_3/article/details/141192639

如果你使用本代码，请引用：Changwu Wu. 2022. Pan-cancer analyses reveal molecular and clinical characteristics of cuproptosis regulators. iMeta 1: e68. https://doi.org/10.1002/imt2.68

代码编写及注释：农心生信工作室。

写在前面

气泡图 (bubble map) 具有多种衍生的形式，在气泡图中加入线段可以展现一些变量之间的相关性。本期我们挑选2022年12月5日刊登在iMeta上的Pan-cancer analyses reveal molecular and clinical characteristics of cuproptosis regulators- iMeta｜湘雅医院刘庆组-泛癌分析揭示铜死亡调节子的临床和分子特征，选择文章的Figure 9A进行复现，基于ggplot2包，讲解和探讨棒棒糖图的绘制方法，先上原图：

接下来，我们将通过详尽的代码逐步拆解原图，最终实现对原图的复现。

R包检测和安装

安装核心R包ggplot2以及一些功能辅助性R包，并载入所有R包。

if (!require("ggplot2"))  install.packages('ggplot2') if (!require("cowplot"))  install.packages('cowplot') # 加载包library(ggplot2)library(cowplot)

生成测试数据

原图表示铜死亡活性与药物敏感性（IC50值）之间的相关性。每一行代表一种药物和药物靶标。线的长度代表相关系数。点的大小代表统计学意义，点越大，统计学显著性越高。我们根据原图特征生成测试数据test.CSV。相关示例数据可以在GitHub上下载: https://github.com/iMetaScience/iMetaPlot/tree/main/221220Lollipops

#读取test.CSV对应表df <- read.csv("test.CSV",header = T)#固定列的顺序df$Drug <- factor(df$Drug,levels = df$Drug)df$Target <- factor(df$Target,levels = df$Target)df$Target.Pathway <- factor(df$Target.Pathway,levels = df$Target.Pathway)

作图预览

开始作图，首先根据Grug一列做y轴，画一个最基本的气泡图：

p1 <- ggplot(df,aes(Correlation,Drug))+  geom_point(aes(size = pvalue),color = "skyblue")

添加线段，这里使用的关键函数是geom_segment，它可以通过映射x坐标和y坐标的起点终点，最终得到有方向由长度的向量。本例中所有线段都是垂直与x轴，长度代表相关性，因此需要先根据相关性生成一个包括x和y终点和起点的数据框：

#生成线段数据框segment_df <- data.frame(x = 0,y = seq(1:15),xend = df$Correlation,yend = seq(1:15))p1 <- ggplot(df,aes(Correlation,Drug))+  geom_point(aes(size = pvalue),color = "skyblue")+  geom_segment(segment_df,mapping = aes(x = x, y = y, xend = xend, yend = yend),size = 0.8,color = "skyblue")

调整参数美化图片：

p1 <- ggplot(df,aes(Correlation,Drug))+  geom_point(aes(size = pvalue),color = "skyblue")+  geom_segment(segment_df,mapping = aes(x = x, y = y, xend = xend, yend = yend),size = 0.8,color = "skyblue")+  scale_x_continuous(limits = c(0,0.152), #设置x轴范围                     expand = expansion(mult = 0))+ #expansion函数的参数mult: 百分比间距，可以接受一个向量  theme(panel.background = element_blank(), #删除背景        panel.grid = element_line (colour = "lightgrey"), #设置网格颜色        panel.border = element_rect(fill = NA,colour = "black",size = 0.8))+ #设置边框  ylab("") #删除y轴名

通过ggplot2绘制两幅只显示Target.Pathway和Target列名的图片，最后通过cowplot包将所有图片组合。

#Targetp2 <- ggplot(df,aes("",Target))+  theme(panel.background = element_blank(),#去除背景        panel.border = element_blank(), #去除边框        axis.ticks.y = element_blank(), #去除y轴刻度        axis.ticks.x = element_blank())+ #去除x轴刻度  xlab("")+ #去除x轴标题  ylab("")+ #去除y轴标题  coord_fixed(ratio = 10) #将y轴和x轴标度比例设置为10:1#Target.Pathway，同上p3 <- ggplot(df,aes("",Target.Pathway))+  theme(panel.background = element_blank(),#去除背景        panel.border = element_blank(),        axis.ticks.y = element_blank(),        axis.ticks.x = element_blank())+  xlab("")+  ylab("")+  coord_fixed(ratio = 10)
p <- plot_grid(p3,p2,p1,             ncol = 3, #三张图片分三列合并             rel_widths = c(1,1,2), #三列所占比例为1:1:2             labels = c("Target.Pathway","Target","Drug"), #每一幅子图片标题名             label_size = 8) #标题大小

完整代码

if (!require("ggplot2"))  install.packages('ggplot2') if (!require("cowplot"))  install.packages('cowplot') # 加载包library(ggplot2)library(cowplot)
#读取test.CSV对应表df <- read.csv("test.CSV",header = T)#固定列的顺序df$Drug <- factor(df$Drug,levels = df$Drug)df$Target <- factor(df$Target,levels = df$Target)df$Target.Pathway <- factor(df$Target.Pathway,levels = df$Target.Pathway)
#生成线段数据框segment_df <- data.frame(x = 0,y = seq(1:15),xend = df$Correlation,yend = seq(1:15))
p1 <- ggplot(df,aes(Correlation,Drug))+  geom_point(aes(size = pvalue),color = "skyblue")+  geom_segment(segment_df,mapping = aes(x = x, y = y, xend = xend, yend = yend),size = 0.8,color = "skyblue")+  scale_x_continuous(limits = c(0,0.152), #设置x轴范围                     expand = expansion(mult = 0))+ #expansion函数的参数mult: 百分比间距，可以接受一个向量  theme(panel.background = element_blank(), #删除背景        panel.grid = element_line (colour = "lightgrey"), #设置网格颜色        panel.border = element_rect(fill = NA,colour = "black",size = 0.8))+ #设置边框  ylab("") #删除y轴名
#Targetp2 <- ggplot(df,aes("",Target))+  theme(panel.background = element_blank(),#去除背景        panel.border = element_blank(), #去除边框        axis.ticks.y = element_blank(), #去除y轴刻度        axis.ticks.x = element_blank())+ #去除x轴刻度  xlab("")+ #去除x轴标题  ylab("")+ #去除y轴标题  coord_fixed(ratio = 10) #将y轴和x轴标度比例设置为10:1#Target.Pathway，同上p3 <- ggplot(df,aes("",Target.Pathway))+  theme(panel.background = element_blank(),#去除背景        panel.border = element_blank(),        axis.ticks.y = element_blank(),        axis.ticks.x = element_blank())+  xlab("")+  ylab("")+  coord_fixed(ratio = 10)
pdf("Figure 9A.pdf",width = 11, height = 5.7)plot_grid(p3,p2,p1,          ncol = 3, #三张图片分三列合并          rel_widths = c(1,1,2), #三列所占比例为1:1:2          labels = c("Target.Pathway","Target","Drug"), #每一幅子图片标题名          label_size = 8) #标题大小dev.off()#> quartz_off_screen #>                 2