代谢组学结果在线分析：不同组差异代谢物高级韦恩图Venn的绘制——UpSet图

已于 2023-12-29 19:21:34 修改
阅读量2.3k 收藏 7
点赞数
分类专栏： 数据处理 文章标签： 数据分析
于 2023-03-26 16:28:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/twocanis/article/details/129780784
版权

文章目录

什么是UpSet图？

可以说是Venn图的变体，对于集合数据的可视化，适用于少量组别的数据集，一般用于转录组数据基因交集分析，而我最近在分析不同组别的代谢组数据的时候发现同理，下面以我自己数据为例，效果图如下：

image-20230326154614752

UpSet图在线分析网站

  • 我这里直接用的是联川生物云平台，云工具-搜索-UpSet图
    image-20230326154921286

  • 下载官方示例文件准备数据
    image-20230326155102434

  • 列名是基因名称（那我的示例中就是代谢物名称），行名是样品分组名称，该样品检测到了列名，对应位置就标记为“1”，否则为“0”，具体整理见下方数据准备

image-20230326161820609

数据准备

  • 网站有具体的视频教程，但简而言之就是所有组别鉴定到的物质名称并集作为一列，各组别包含这个物质就记为1，没有就记为0，下面进行示例：我要制作Rumen、Serum和Milk当中鉴定到的差异代谢物的Upset图
  • A列是Rumen、Serum和Milk当中鉴定到的差异代谢物的并集，F/G/H是Rumen、Serum和Milk分别鉴定到的差异代谢物，现在目标是若F列和An列有重合的数据，在Bn列就标记“1”，比如查找A2的(+/-)12(13)-DiHOME这个，物质是否在Rumen中存在，使用公式=IF(COUNTIF(F:F,A2)=0,"1","0")，同列下拉即可（更多求两列之间重复数据的公式可以参考 Excel表格中两列数据对比，找出异同的数据）

image-20230326160227179

  • 都查找得到数据后，复制B/C/D后重新粘贴，选择仅粘贴数值，删除F/G/H列，即可保存上传网站进行分析

生成结果图与调整

不过多赘述，左侧参数调整区域可以设置字号、图形大小、坐标轴等，右侧支持导出PNG/PDF/SVG/TIFF等多种格式，可调整图片大小，并可以下载交集数据，效果在题头已经给出，更多可以自行摸索

twocanis
关注
  • 0
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
电影豆瓣短评-韦恩词云图
09-05
对于电影《白蛇传·情》的豆瓣短评数据，进行分词、词频统计，并绘制好评与中差评的韦恩词云图，可以清楚地分析好评与中差评间的异同。文件包括：词云图背景、.ipynb代码、豆瓣短评csv文件、结果文件。
差异分析韦恩图
03-17
利用R语言找出差异基因并作韦恩图，数据是从TCGA上获得的
upset图形如何理解
uforia的博客
03-04 9507
upsetR是除了韦恩图之外另一种集合可视化的方法。一般集合不超过5个的时候，可视化效果还是不错的，但是集合超过五个时，你就很难从图中解读出想要的信息了。 这是我们可以使用upsetR包来进行处理。 upset图要结合柱子和点一起来看。 首先我们导入的数据为list <- list(Heart=rownames(subset(d1, group=='Network')), Muscle=rownames(subset(d2, group=='Network')), Lung=rownam..
R语言数据可视化-Upset图
weixin_46587777的博客
04-22 1081
我要给你安利一个R语言绘图的超实用干货——集合可视化的神器：UpSetR包！🌟它能够优雅地处理集合间的交集、并集，让数据的对比和关系一目了然。🎨告别那些让人眼花缭乱的传统图表，用UpSetR包让你的数据图形简洁又美观，还能轻松展示出更多的信息。✨🚀 特点速览：1️⃣ 直观展示集合关系2️⃣ 动态交互，探索数据更深入3️⃣ 自定义设置，满足你的个性化需求4️⃣ 一键导出，分享你的发现🔬 数据分析，不再只是数字游戏，让我们一起用UpSetR包，把数据变成故事，讲述属于你的见解。📚关于不同集合之间的交集
代谢组学分析常用网站
twocanis的博客
12-09 3069
MetaboAnalyst 5.0 MetaboAnalyst 5.0 可进行代谢组数据的可视化分析，Module Overview如下，包括Biomarker Analysis/ Enrichment Analysis/Pathway Analysis/Joint Pathway Analysis/Network Analysis以及各种封图分析等，基本送测公司的报告里头的结果图，只要拿到excel检测结果信息表都能在这个网站自己做，操作简单直接上手 Interactive Pathways Expl.
在线作图|如何画韦恩图（包含upset图）
weifanbio的博客
08-02 6412
韦恩图（包含upset图） 韦恩图（Venn diagram）用于展示在不同的事物群组（集合）之间的联系。R 语言中的维恩图绘制有很多包，Vennerable（最多9维），VennDigram（最多5维），venn（最多7维），而UpSetR绘制的维恩图则更多，只是表现形式和其他图不太一样。以upset图动态统计并展示集合间共有/特有元素信息。统计样品之间的共有、特有元素。应用范围：适用于微生物、转录组、代谢组、单细胞等组学。如分析组间共有、特有物种；分析各比较组显著差异的共有、特有pathway/基因等。
MATLAB | 如何使用MATLAB绘制韦恩图的高阶版本：upset图
slandarer的博客
01-22 1813
~
complex-upset:一个用于使用ggplot2 geoms创建复杂的UpSet图的库
03-17
ComplexUpset 快速链接：| | | 展示柜 获得UpSetR所有优点，但具有ggplot2完全可扩展性。 点击此处显示源代码library( ggplot2 ) library( ComplexUpset ) if ( ! require( ggplot2movies )) install.packages( ' ggplot2movies ' ) movies = ggplot2movies :: movies genres = c( ' Action ' , ' Animation ' , ' Comedy ' , ' Drama ' , ' Documentary ' , ' Romance ' ) upset( movies , genres , annotations = list ( ' Length ' = ggplot
放弃Venn-Upset-花瓣图，拥抱二分网络
悟道西方
08-23 1286
生物信息学习的正确姿势NGS系列文章包括NGS基础、在线绘图、转录组分析（Nature重磅综述|关于RNA-seq你想知道的全在这）、ChIP-seq分析（ChIP-seq基本分析流...
使用R语言实现Venn Diagram韦恩图的制作
01-27
内容概要：本教程旨在指导读者通过R语言创建和定制Venn Diagram（韦恩图），一个用于展示集合间逻辑关系的图形工具。通过逐步解释和实际代码示例，本教程将介绍如何使用R语言中的专门包来生成基础到高级的韦恩图，...
vennChart:Venn Chart 韦恩图
04-27
Venn Chart 韦恩图Venn Chart 韦恩图
前端用Highcharts 写 venn图 鼠标悬浮效果以及点击事件
03-09
Highcharts 写 venn图 （韦恩图），以及解决项目中venn的报错，Highcharts 写 venn图 鼠标悬浮效果以及点击事件
upset_plotly:使用upsetplot库的UpSet绘图的绘图实现
05-28
剧变 这是一个非常实用的功能，可以滥用plotly的散点图和条形图在plotly中生成交互式UpSet图。 它是为与破折号应用程序（@apetkau的 ）一起使用而开发的，非常简单。 它依靠处理来自熊猫DataFrame的数据交集。 安装 建议使用某些conda（conda，venv，virtualenv等）的虚拟环境。 git clone https://github.com/fmaguire/upset_plotly python -m pip install -e upset_plotly 测试 情节生成的相当小的功能测试： pytest 应该在plot.html生成一个交互式绘图，类似于： 用法 from upset_plotly import plot # replace this with your data prepared using upsetplot.fro
比较两组数据的差异用什么图更直观_芯片数据分析中常见的一些图的作用
weixin_39630126的博客
11-21 1882
今天给大家讲讲芯片数据分析中常见的一些图的作用，让大家伙儿知道它们在BB些啥。箱式图(Box plot)基因芯片的原始数据是需要进行标准化处理的，主要目的是消除由于实验技术(如荧光标记效率、扫描参数的设置、空间位置的差异等)所导致的基因表达量的变化，让各个样本和平行实验的数据处于相同的水平，使得基因表达数据真实地反映测量样品的生物学差异。箱式图反映的是标准化前后的基因表达数据情况，标准化...
多组柱状图_多组学 | 代谢组研究：从实验设计到文章撰写—毒理篇
weixin_35322457的博客
12-30 1044
代谢组研究：从实验设计到文章撰写—毒理篇01 / 代谢组学与动物毒理学动物毒理学（toxicology）:是一门研究外源因素（化学、物理、生物因素）对生物体的毒性反应、严重程度、发生频率和毒性作用机制的科学，也是对毒性作用进行定性和定量评价的科学。代谢组学：从毒理学角度，代谢组学 (metabonomics)是生物体在病理生理刺激和遗传因素改变的条件下，在不同时间、多方位定量检测其代谢变化。代谢物...
R绘制 UpSet图及参数设置
....
06-27 4557
参考链接：R语言之可视化④韦恩图upsetR 在链接代码中添加 order.by = "freq"可降序排列。 比较符合个人审美 的参数设置 参数解释：
Python——奥运会数据分析（2）
龙皮皮的博客
05-18 1218
Python——mean、max、min、value_counts、info、describe、insert、drop、loc与iloc
4月粽子行业线上市场销售数据分析
最新发布
business_jing的博客
05-23 295
然而，随着市场竞争的加剧，企业需要不断创新和优化产品，以适应消费者的变化需求和提升市场竞争力。再加上技术进步，如速冻粽子和真空粽子的推广，也极大地推动了粽子行业的发展，使得产品更易于保存和运输，从而满足了更广泛的消费者需求。从市场价格来看，价格区间在0元-19元的粽子最受消费者欢迎，销量达102万，环比上个月增长了365%，同比去年增长了57%；从品牌角度看，五芳斋过人的销量遥遥领先，其中，五芳斋的销售额市场占比约27%，其他品牌如真真老老、广州酒家、三全、诸老大、潘祥记等也不甘示弱。
python 庆余年2收视率数据分析与可视化
youyouxiong的博客
05-22 4505
为了对《庆余年2》的收视率进行数据分析与可视化，我们首先需要假设有一组收视率数据。由于实际数据可能无法直接获取，这里我们将使用模拟数据来演示整个过程。以下是一个简单的步骤，展示如何使用Python（特别是pandas和matplotlib库）来分析和可视化收视率数据：导入必要的库python生成模拟数据假设我们有每天的收视率数据：python。
自行编写五组数据，调整颜色和外观，用r语言绘制韦恩图
05-17
好的，下面是五组数据： ``` set1 <- list(a = c("apple", "banana", "orange", "pear"), b = c("apple", "orange", "peach", "watermelon")) set2 <- list(a = c("cat", "dog", "rabbit", "hamster"), b = c("dog", "hamster", "parrot")) set3 <- list(a = c("red", "green", "blue"), b = c("green", "purple", "blue")) set4 <- list(a = c("math", "science", "history", "english"), b = c("science", "english")) set5 <- list(a = c("rain", "sunshine", "clouds", "snow"), b = c("sunshine", "clouds")) library(VennDiagram) # 绘制韦恩图 venn.diagram(list(set1, set2, set3, set4, set5), fill = c("#F8766D", "#00BFC4"), alpha = 0.7, filename = "venn.png", imagetype = "png", output=T, main = "五组数据的韦恩图") # 颜色调整 venn.plot <- draw.pairwise.venn( area1 = 10, area2 = 20, cross.area = 5, category = c("Group 1", "Group 2"), fill = c("red", "blue"), lty = "blank", cex = 2, cat.cex = 1.5, cat.fontface = "bold", cat.col = c("red", "blue") ) # 外观调整 venn.plot <- draw.pairwise.venn( area1 = 10, area2 = 20, cross.area = 5, category = c("Group 1", "Group 2"), fill = c("red", "blue"), lwd = c(3, 3), cex = 2, cat.cex = 1.5, cat.fontface = "bold", cat.col = c("red", "blue"), cat.dist = c(0.05, 0.05), cat.pos = c(-30, 30) ) # 保存为图片 png("venn.png", width = 800, height = 600) grid.draw(venn.plot) dev.off() ``` 这个代码会生成一个名为 `venn.png` 的韦恩图，其中包含五组数据的交集情况。你可以根据自己的需求调整颜色和外观来使图形更加美观。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值