R语言绘图 | 带标签的火火火火火火火山图 | 标记感兴趣基因 | 代码注释 + 结果解读

最新推荐文章于 2024-05-30 17:41:24 发布
最新推荐文章于 2024-05-30 17:41:24 发布
阅读量1.4k 收藏 20
点赞数 10
分类专栏： R语言绘图 数据挖掘 文章标签： r语言 开发语言 数据挖掘 数据分析 数据可视化
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/weixin_43843918/article/details/136819754
版权

在火山图中，我们有时候会想要标注出自己感兴趣的基因，这个时候该怎么嘞！

还有还有，在添加标签时，可能会遇到元素过多或位置密集导致标签显示不全，或者虽然显示全了但显得密集杂乱，不易阅读的情况。这可咋整捏！

话不多说，直接开干！

（本节内容同时适用于其他散点型图表）

数据处理

今日份绘图所用到的数据是之前的看完还不会来揍/找我 | 差异分析三巨头 —— DESeq2、edgeR 和 limma 包 | 附完整代码 + 注释的结果，有兴趣的小伙伴可以去瞅瞅哟！如果不想再折腾，也是完全OK的！我已经把数据上传到了GitHub，大家可以在公众号后台回复火山图，即可获得存放数据的链接。不过我在分享过程中也会把每一步的输入数据和输出结果进行展示，大家可以作为参考并调整自己的数据格式，然后直接用自己的数据跑，也是没有任何问题的！

# 带标签的火山图 | 标记感兴趣基因

# 加载包，没安装的记得安装一下哟！
library(tidyverse)
library(ggplot2)
library(ggrepel)

# 加载差异分析结果
load("./DEG_limma_voom.Rdata")
head(DEG_limma_voom)
#             logFC    AveExpr         t       P.Value     adj.P.Val        B
# FIGF    -5.984847 -0.7193930 -51.67041 1.843289e-309 4.938355e-305 698.5939
# CA4     -6.844833 -2.5701167 -44.96985 3.340380e-261 4.474605e-257 587.5876
# PAMR1   -3.989305  2.3605059 -44.85958 2.161519e-260 1.665003e-256 585.9261
# LYVE1   -4.786578  1.3531474 -44.85132 2.485914e-260 1.665003e-256 585.7724
# CD300LG -6.537456 -0.0898487 -43.57667 6.384798e-251 3.421102e-247 564.1320
# SDPR    -4.600471  2.7186631 -43.38389 1.712581e-249 7.646961e-246 560.8745

# 加change列，标记上下调基因，可根据需求设定阈值
logFC = 2.5
P.Value = 0.01
k1 <- (DEG_limma_voom$P.Value < P.Value) & (DEG_limma_voom$logFC < -logFC)
k2 <- (DEG_limma_voom$P.Value < P.Value) & (DEG_limma_voom$logFC > logFC)
DEG_limma_voom <- mutate(DEG_limma_voom, change = ifelse(k1, "down", ifelse(k2, "up", "stable")))

# 再加个基因列，方便后续加标签
DEG_limma_voom$symbol <- rownames(DEG_limma_voom)

head(DEG_limma_voom)
#             logFC    AveExpr         t       P.Value     adj.P.Val        B change  symbol
# FIGF    -5.984847 -0.7193930 -51.67041 1.843289e-309 4.938355e-305 698.5939   down    FIGF
# CA4     -6.844833 -2.5701167 -44.96985 3.340380e-261 4.474605e-257 587.5876   down     CA4
# PAMR1   -3.989305  2.3605059 -44.85958 2.161519e-260 1.665003e-256 585.9261   down   PAMR1
# LYVE1   -4.786578  1.3531474 -44.85132 2.485914e-260 1.665003e-256 585.7724   down   LYVE1
# CD300LG -6.537456 -0.0898487 -43.57667 6.384798e-251 3.421102e-247 564.1320   down CD300LG
# SDPR    -4.600471  2.7186631 -43.38389 1.712581e-249 7.646961e-246 560.8745   down    SDPR

table(DEG_limma_voom$change)
# down stable     up 
#  749  25664    378

普通火山图

# 普通火山图
p <- ggplot(data = DEG_limma_voom, 
            aes(x = logFC, 
                y = -log10(P.Value))) +  # 设置x轴为logFC，y轴为-P.Value的对数值
  geom_point(alpha = 0.4, size = 3.5, 
             aes(color = change)) +      # 添加散点，根据change列着色
  ylab("-log10(Pvalue)") +               # 设置y轴标签
  scale_color_manual(values = c("blue4", "grey", "red3")) +  # 设置颜色映射，蓝色表示下调，灰色表示稳定，红色表示上调
  geom_vline(xintercept = c(-logFC, logFC), lty = 4, col = "black", lwd = 0.8) +  # 添加垂直参考线，用于标记logFC阈值
  geom_hline(yintercept = -log10(P.Value), lty = 4, col = "black", lwd = 0.8) +   # 添加水平参考线，用于标记-P.Value阈值
  theme_bw()  # 使用网格白底主题
p

光秃秃的火山图，咱们给它装扮一下！

带标签的火山图

按需求添加标签

比如你只想展示你关注的那几个基因，咱们可以这样做！

# 标签添加

# 按需求添加标签

# 创建一个新的列label，并初始化为NA
DEG_limma_voom$label <- NA  

# 根据symbol的值，为特定基因添加标签信息
DEG_limma_voom$label[which(DEG_limma_voom$symbol == "MYOC")] <- "MYOC"
DEG_limma_voom$label[which(DEG_limma_voom$symbol == "PALB2")] <- "PALB2"
DEG_limma_voom$label[which(DEG_limma_voom$symbol == "NEK2")] <- "NEK2"
DEG_limma_voom$label[which(DEG_limma_voom$symbol == "ARF1")] <- "ARF1"

# 在普通火山图p的基础上，添加标签，并使用geom_label_repel函数进行标签的绘制
p0 <- p + geom_label_repel(data = DEG_limma_voom, aes(label = label),
                           size = 4,                           # 设置标签大小
                           box.padding = unit(0.5, "lines"),   # 设置标签内边距
                           point.padding = unit(0.8, "lines"), # 设置标签与点的距离
                           segment.color = "black",            # 设置标签边界线颜色
                           show.legend = FALSE,                # 不显示图例
                           max.overlaps = 10000)               # 设置标签重叠的最大次数
p0

# geom_text_repel()和geom_label_repel()这两个函数都可用于添加标签，咱们下面一个一个来看！

看！它们被标记了！你可以标记出任意你感兴趣的基因们！

按条件添加标签

比如在上下调基因中选择显著性top10的基因给它标注出来，或者选择差异倍数top20的基因进行标注啦，又或者其他，条件随你定！

# 按条件添加标签

# 筛选上调中显著性top10的基因
up_data <- filter(DEG_limma_voom, change == 'up') %>%  # 从DEG_limma_voom中筛选出上调的基因
  distinct(symbol, .keep_all = TRUE) %>%               # 去除重复的基因，保留第一个出现的行
  top_n(10, -log10(P.Value))                           # 选择-P.Value值最大的前10个基因

# 筛选下调中显著性top10的基因
down_data <- filter(DEG_limma_voom, change == 'down') %>%  # 从DEG_limma_voom中筛选出下调的基因
  distinct(symbol, .keep_all = TRUE) %>%                   # 去除重复的基因，保留第一个出现的行
  top_n(10, -log10(P.Value))                               # 选择-P.Value值最大的前10个基因

head(up_data); head(down_data)

#               logFC  AveExpr        t       P.Value     adj.P.Val        B change     symbol
# HSD17B6    3.206654 1.840588 25.15742 7.624913e-113 5.081568e-111 246.7745     up    HSD17B6
# NEK2       4.747981 3.840978 24.33444 6.029187e-107 3.605535e-105 233.2608     up       NEK2
# AC093850.2 6.047425 1.102478 24.22747 3.483702e-106 2.042273e-104 231.3813     up AC093850.2
# CDC25C     3.808098 1.872805 23.89870 7.515027e-104 4.151239e-102 226.1433     up     CDC25C
# SPC25      3.088991 2.332539 23.72996 1.173282e-102 6.350181e-101 223.4213     up      SPC25
# PKMYT1     4.415991 3.432915 23.22566  4.144003e-99  2.071306e-97 215.2842     up     PKMYT1
#             logFC    AveExpr         t       P.Value     adj.P.Val        B change  symbol
# FIGF    -5.984847 -0.7193930 -51.67041 1.843289e-309 4.938355e-305 698.5939   down    FIGF
# CA4     -6.844833 -2.5701167 -44.96985 3.340380e-261 4.474605e-257 587.5876   down     CA4
# PAMR1   -3.989305  2.3605059 -44.85958 2.161519e-260 1.665003e-256 585.9261   down   PAMR1
# LYVE1   -4.786578  1.3531474 -44.85132 2.485914e-260 1.665003e-256 585.7724   down   LYVE1
# CD300LG -6.537456 -0.0898487 -43.57667 6.384798e-251 3.421102e-247 564.1320   down CD300LG
# SDPR    -4.600471  2.7186631 -43.38389 1.712581e-249 7.646961e-246 560.8745   down    SDPR

# 使用geom_text_repel()函数添加标签，常规样式，默认参数配置
p1 <- p +  # 基于普通火山图p
  geom_text_repel(data = up_data, aes(x = logFC, y = -log10(P.Value), label = symbol)) +  # 添加上调基因的标签
  geom_text_repel(data = down_data, aes(x = logFC, y = -log10(P.Value), label = symbol))  # 添加下调基因的标签
p1

再来看看带框框的标签！

# 使用geom_label_repel()函数添加标签，带边框样式，默认参数配置
p2 <- p +  # 基于普通火山图p
  geom_label_repel(data = up_data, aes(x = logFC, y = -log10(P.Value), label = symbol)) +  # 添加上调基因的标签
  geom_label_repel(data = down_data, aes(x = logFC, y = -log10(P.Value), label = symbol))  # 添加下调基因的标签
p2

俺觉得这种的更好看！个人观点，仅供参考！最终解释权归小蛮要所有！

标签重叠怎么办

哎嘿！上面这俩图我们可以看出，并不是所有期望的基因都被成功标注，这是为啥捏！因为它们太挤了，都重叠在一起了，那要怎么办呢？咱们看下面！

# 基因太挤怎么办！
# 以我喜欢的geom_label_repel为例

# 强调显示上调基因的散点并添加带边框的标签
p3 <- p +  # 基于普通火山图p
  geom_point(data = up_data,                             # 添加强调显示的散点，仅限于上调基因
             aes(x = logFC, y = -log10(P.Value)),
             color = 'red3', size = 4.5, alpha = 0.2) +  # 设置散点的颜色、大小和透明度
  geom_label_repel(data = up_data,                       # 添加带边框的标签，仅限于上调基因
                   aes(x = logFC, y = -log10(P.Value), label = symbol),
                   seed = 233,                           # 设置随机数种子，用于确定标签位置
                   size = 3.5,                           # 设置标签的字体大小
                   color = 'black',                      # 设置标签的字体颜色
                   min.segment.length = 0,               # 始终为标签添加指引线段
                   force = 2,                            # 设置标签重叠时的排斥力
                   force_pull = 2,                       # 设置标签与数据点之间的吸引力
                   box.padding = 0.4,                    # 设置标签周围的填充量
                   max.overlaps = Inf)                   # 设置排斥重叠过多标签的阈值为无穷大，保持始终显示所有标签
p3


# 上面是只有上调基因，咱们把下调也加上！当然，大家也可以在前面先对数据进行整合后再画图！
p4 <- p +  # 基于普通火山图p
  geom_point(data = up_data,                             # 添加强调显示的上调基因的散点
             aes(x = logFC, y = -log10(P.Value)),
             color = 'red3', size = 4.5, alpha = 0.2) +  # 设置散点的颜色、大小和透明度
  geom_label_repel(data = up_data,                       # 添加带边框的标签，仅限于上调基因
                   aes(x = logFC, y = -log10(P.Value), label = symbol),
                   seed = 233,                           # 设置随机数种子，用于确定标签位置
                   size = 3.5,                           # 设置标签的字体大小
                   color = 'black',                      # 设置标签的字体颜色
                   min.segment.length = 0,               # 始终为标签添加指引线段
                   force = 2,                            # 设置标签重叠时的排斥力
                   force_pull = 2,                       # 设置标签与数据点之间的吸引力
                   box.padding = 0.4,                    # 设置标签周围的填充量
                   max.overlaps = Inf) +                 # 设置排斥重叠过多标签的阈值为无穷大，保持始终显示所有标签
  geom_point(data = down_data,                           # 添加强调显示的下调基因的散点
             aes(x = logFC, y = -log10(P.Value)),
             color = 'blue4', size = 4.5, alpha = 0.2) + # 设置散点的颜色、大小和透明度
  geom_label_repel(data = down_data,                     # 添加带边框的标签，仅限于下调基因
                   aes(x = logFC, y = -log10(P.Value), label = symbol),
                   seed = 233,                           # 设置随机数种子，用于确定标签位置
                   size = 3.5,                           # 设置标签的字体大小
                   color = 'black',                      # 设置标签的字体颜色
                   min.segment.length = 0,               # 始终为标签添加指引线段
                   force = 2,                            # 设置标签重叠时的排斥力
                   force_pull = 2,                       # 设置标签与数据点之间的吸引力
                   box.padding = 0.4,                    # 设置标签周围的填充量
                   max.overlaps = Inf)                   # 设置排斥重叠过多标签的阈值为无穷大，保持始终显示所有标签
p4


# 再看看不添加指引线的效果
# 创建p5火山图，强调显示上调和下调基因的散点并添加带边框的标签，去掉指引线段
p5 <- p +  # 基于普通火山图p
  geom_point(data = up_data,                             # 添加强调显示的上调基因的散点
             aes(x = logFC, y = -log10(P.Value)),
             color = 'red3', size = 4.5, alpha = 0.2) +  # 设置散点的颜色、大小和透明度
  geom_label_repel(data = up_data,                       # 添加带边框的标签，仅限于上调基因
                   aes(x = logFC, y = -log10(P.Value), label = symbol),
                   seed = 233,                           # 设置随机数种子，用于确定标签位置
                   size = 3.5,                           # 设置标签的字体大小
                   color = 'black',                      # 设置标签的字体颜色
                   min.segment.length = Inf,             # 改为Inf去掉指引线段
                   force = 2,                            # 设置标签重叠时的排斥力
                   force_pull = 2,                       # 设置标签与数据点之间的吸引力
                   box.padding = 0.4,                    # 设置标签周围的填充量
                   max.overlaps = Inf) +                 # 设置排斥重叠过多标签的阈值为无穷大，保持始终显示所有标签
  geom_point(data = down_data,                           # 添加强调显示的下调基因的散点
             aes(x = logFC, y = -log10(P.Value)),
             color = 'blue4', size = 4.5, alpha = 0.2) + # 设置散点的颜色、大小和透明度
  geom_label_repel(data = down_data,                     # 添加带边框的标签，仅限于下调基因
                   aes(x = logFC, y = -log10(P.Value), label = symbol),
                   seed = 233,                           # 设置随机数种子，用于确定标签位置
                   size = 3.5,                           # 设置标签的字体大小
                   color = 'black',                      # 设置标签的字体颜色
                   min.segment.length = Inf,             # 改为Inf去掉指引线段
                   force = 2,                            # 设置标签重叠时的排斥力
                   force_pull = 2,                       # 设置标签与数据点之间的吸引力
                   box.padding = 0.4,                    # 设置标签周围的填充量
                   max.overlaps = Inf)                   # 设置排斥重叠过多标签的阈值为无穷大，保持始终显示所有标签
p5

标签太乱怎么办

现在，咱们已经学会了展示全部目标标签的方法。但是还存在一个问题，就是当我们需要展示的目标标签过多时，无论我们是否添加指引线，指引线的长度可能会不一致，导致整体看起来比较混乱（其实我觉得还好，一般也不需要展示过多吧！不然怎么着都丑哈哈哈）。在这种情况下，咱们就可以尝试把标签垂直整齐排列，以提高可读性和美观性。

# 对齐目标标签
p6 <- p +  # 基于普通火山图p
  geom_point(data = up_data,                             # 添加强调显示的上调基因的散点
             aes(x = logFC, y = -log10(P.Value)),
             color = 'red3', size = 4.5, alpha = 0.2) +  # 设置散点的颜色、大小和透明度
  geom_label_repel(data = up_data,                       # 添加带边框的标签，仅限于上调基因
                   aes(x = logFC, y = -log10(P.Value), label = symbol),
                   seed = 233,                           # 设置随机数种子，用于确定标签位置
                   size = 3.5,                           # 设置标签的字体大小
                   color = 'black',                      # 设置标签的字体颜色
                   min.segment.length = 0,               # 始终为标签添加指引线段
                   force = 3,                            # 设置标签重叠时的排斥力
                   force_pull = 2,                       # 设置标签与数据点之间的吸引力
                   box.padding = 0.4,                    # 设置标签周围的填充量
                   max.overlaps = Inf,                   # 设置排斥重叠过多标签的阈值为无穷大，保持始终显示所有标签
                   segment.linetype = 3,                 # 设置线段类型为虚线
                   segment.color = 'black',              # 设置线段颜色
                   segment.alpha = 0.5,                  # 设置线段不透明度
                   nudge_x = 8 - up_data$logFC,          # 调整标签x轴起始位置
                   direction = "y",                      # 按y轴调整标签位置方向，若想水平对齐则为x
                   hjust = 1) +                          # 对齐标签：0右对齐，1左对齐，0.5居中
  geom_point(data = down_data,                           # 添加强调显示的下调基因的散点
             aes(x = logFC, y = -log10(P.Value)),
             color = 'blue4', size = 4.5, alpha = 0.2) + # 设置散点的颜色、大小和透明度
  geom_label_repel(data = down_data,                     # 添加带边框的标签，仅限于下调基因
                   aes(x = logFC, y = -log10(P.Value), label = symbol),
                   seed = 233,                           # 设置随机数种子，用于确定标签位置
                   size = 3.5,                           # 设置标签的字体大小
                   color = 'black',                      # 设置标签的字体颜色
                   min.segment.length = 0,               # 始终为标签添加指引线段
                   force = 10,                           # 设置标签重叠时的排斥力
                   force_pull = 2,                       # 设置标签与数据点之间的吸引力
                   box.padding = 0.4,                    # 设置标签周围的填充量
                   max.overlaps = Inf,                   # 设置排斥重叠过多标签的阈值为无穷大，保持始终显示所有标签
                   segment.linetype = 3,                 # 设置线段类型为虚线
                   segment.color = 'black',              # 设置线段颜色
                   segment.alpha = 0.5,                  # 设置线段不透明度
                   nudge_x = -8 - down_data$logFC,       # 调整标签x轴起始位置
                   direction = "y",                      # 按y轴调整标签位置方向，若想水平对齐则为x
                   hjust = 1)                            # 对齐标签：0右对齐，1左对齐，0.5居中
p6

文末碎碎念

那今天的分享就到这里啦！我们下期再见哟！

最后顺便给自己推荐一下嘿嘿嘿！

如果我的分享对你有用的话，欢迎关注点赞在看转发分享阿巴阿巴阿巴阿巴巴巴！这可是我的第一原动力！

蟹蟹你们的喜欢和支持！！！

啊对！如果小伙伴们有需求的话，也可以加入我们的交流群：一定要知道 | 永久免费的生信交流群终于来啦！

还有兴趣的话，也可以看看我掏心掏肺的干货满满 | 给生信小白的入门小建议 | 掏心掏肺版！绝对干货满满！

如果有小伙伴对付费分析有需求的话，可以看看这里：个性化科研服务 | 付费分析试营业正式启动啦！定制你的专属生信分析！可提供1v1答疑！

入群链接后续可能会不定期更新，主要是因为群满换码或是其他原因，如果小伙伴点开它之后发现，咦，怎么失效啦！不要慌！咱们辛苦一下动动小手去主页的要咨询那里，点击进交流群即可入群！

参考资料

  1. https://mp.weixin.qq.com/s/qZke0E4f1m22dSNnhzzrGw
  2. https://mp.weixin.qq.com/s/TWI-Tt741Gqe9ERzZr23yg
  3. https://cloud.tencent.com/developer/article/1486128
生信小白要知道
关注
  • 10
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
很火的AI绘图web网页源码附带接口教程
04-10
最近很火的AI绘图web网页源码附带接口教程最近很火的AI绘图web网页源码附带接口教程最近很火的AI绘图web网页源码附带接口教程最近很火的AI绘图web网页源码附带接口教程最近很火的AI绘图web网页源码附带接口教程最近...
最近很火的AI绘图web网页源码附带接口教程
12-15
最近很火的AI绘图web网页源码附带接口教程 源码使用教程:解压到目录即可，源码也附带教程
R语言绘制精美图形 | 火山图 | 学习笔记
BioinfoDu
11-17 1980
此图也是实用性很强，80%的同学应该可以用得到，今天分享的只是学习笔记的一部分，后面会逐渐完善。既然是学习笔记，那么我们也有参考的教程，我们也会再文末附上参考的教程，大家也可以直接到对应教程中学习。，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；有时候，我们在绘制火山图时，会出现X或Y轴坐标较大的现象，对火山图整体美观性较差，那么适当限制基因调整图形美观.在这里，我们不在演示，若你需要，可以根据原文的方法进行绘制图形。在上面的图形中，火山图中所有的使用。
R实用绘图--火山图 / ggplot2
weixin_46587777的博客
04-21 553
火山图由散点图和阈值线构成，它通常用于展现统计检验的显著性（如：p value）和变化幅度（如：差异倍数），能够帮助我们快速直观地识别出那些变化幅度较大且具有统计学意义的数据点（如：差异基因）。常应用于生物学中的转录组、基因组等研究中。
Nature重磅综述 |关于RNA-seq，你想知道的都在这
刘永鑫的博客——宏基因组公众号
07-07 8563
编译 |生信宝典，May校对 |生信宝典▼生信学习的正确姿势（第三版）NGS系列文章包括NGS基础、转录组分析（Nature重磅综述|关于RNA-seq你想知道的全在这）、ChIP-s...
你想要的宏基因组-微生物组知识全在这(2022.8)
刘永鑫的博客——宏基因组公众号
08-01 4965
欢迎点击上方蓝色”宏基因组”关注我们！宏基因组/微生物组是当今世界科研最热门的研究领域之一，为加强宏基因组学技术和成果交流传播，推动全球华人微生物组领域发展，中科院青年科研人员创立“宏基因组”公众号，联合海内外同行共同打造本领域纯干货技术及思想交流平台。公众号每日推送，工作日分享宏基因组领域最新成果、科研思路、实验和分析技术，理论过硬实战强；周末科普和生活专栏，轻松读文看...
Protein Cell：扩增子和宏基因组数据分析实用指南
悟道西方
07-16 1970
扩增子和宏基因组数据分析实用指南A practical guide to amplicon and metagenomic analysis of microbiome dataProt...
WGCNA分析，简单全面的最新教程（在线做，但也需要懂原理）
悟道西方
04-05 5360
生信学习的正确姿势（第三版）NGS系列文章包括NGS基础、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基本分析流程）、...
WGCNA分析，简单全面的最新教程（可以在线做了）
热门推荐
悟道西方
10-07 1万+
生信学习的正确姿势（第三版）NGS系列文章包括NGS基础、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基本分析流程）...
iMeta | 华南农大孙坚组揭示了猪场日常职业暴露对人皮肤微生物组和耐药组的影响...
刘永鑫的博客——宏基因组公众号
01-11 210
点击蓝字 关注我们猪场的日常职业暴露改变了人的皮肤微生物组和耐药组iMeta主页：http://www.imeta.science研究论文●原文链接DOI: https://doi.org/10.1002/imt2.158●2024年1月1日，华南农业大学孙坚、连新磊和波士顿儿童医院Alaric W. D’Souza等团队在iMeta在线联合发表了题为 “Daily occupational ...
如何复现Nature Medicine文章中的机器学习，生存分析，预后模型相关的结果。
weixin_45822007的博客
03-28 1281
Shengxin New Technology Support 深度学习已经被广泛应用于基因组学研究中，利用已知的训练集对数据的类型和应答结果进行预测，深度学习，可以进行预测和降维分析。深度学习模型的能力更强且更灵活，在适当的训练数据下，深度学习可以在较少人工参与的情况下自动学习特征和规律。调控基因组学，变异检测，致病性评分成功应用。深度学习可以提高基因组数据的可解释性，并将基因组数...
基于BP神经网络的火焰识别，基于BP神经网络的火灾识别
08-14
基于MATLAB编程，标准的神经网络进行电池容量SOC的预测，改进的更准确，代码完整，包含数据和运行结果，代码有注释，方便扩展应用
50套R语言绘制SCI科研图Rstudio绘图数据代码
05-01
50套R语言绘制SCI科研图Rstudio绘图数据源代码roc源码生物pca源文件。把input里面的数据替换成自己的数据，打开R，点Run，可以直接出图！文件适合有R语言基础的同学。 02柱状图 03显著性柱状图 04堆积百分比柱状图 ...
R语言绘图-点密度图加密度曲线方法汇总，代码复制直接使用
11-01
二元变量绘制方法指南，点密度图和密度曲线可视化经典教程
基于小波熵阈值的心电信号R波检测算法（MATLAB）
weixin_39402231的博客
05-27 467
针对传统小波阈值去噪算法不能有效去除心电信号中所参杂的基线漂移及工频干扰，重构信号会产生伪吉布斯现象。小波熵阈值去噪新算法是根据不同分解尺度上信号和噪声能量分布不同的特点，滤除一部分的基线漂移及工频干扰。
yolov10 瑞芯微RKNN、地平线Horizon芯片部署、TensorRT部署，部署工程难度小、模型推理速度快
zhangqian_1的博客
05-27 672
模型和完整仿真测试代码，放在github上参考链接。yolov8、v9还没玩热乎，这不yolov10又来了，那么部署也又来了。
Python | R 雌雄配对和鱼仔变异马尔可夫链
最新发布
跨学科知识视角展现
05-30 1146
:dart:马尔可夫链：:pen:天气状态马尔可夫链和马尔科夫矩阵 | :pen:多项式隐马尔可夫模型，及其高斯分布 | :pen:算法：前向、后向、前向-后向、维特比算法 | :pen:最大似然学习、特里-韦尔奇算法 | :pen:隐马尔可夫模型贝叶斯学习、估计分布的近似算法 | :pen:词类消歧隐马尔可夫模型 | :pen:马尔可夫决策过程。:dart:马尔可夫模型场景：:dart:张量网络分解马尔可夫链 | :dart:动物移动最大似然分析 | :dart:文本语义聚类情感基调分析 | :dar
据库管理-第196期 实战RDMA（20240528）
yhw1809的博客
05-28 618
虽然在本期测试结果中出现了一些意外，但是整体来看，使用RDMA还是可以显著提升网络性能的。
r语言火山图基因标签
07-27
在R语言中，可以使用一些常用的包来绘制火山图并对基因进行标签。下面是一个简单的示例代码： ```R # 安装和加载所需的包 install.packages("ggplot2") install.packages("ggrepel") library(ggplot2) library(ggrepel) # 创建示例数据 set.seed(123) genes <- paste0("Gene", 1:100) logFC <- rnorm(100, 2, 1) pvalue <- runif(100, 0, 0.01) data <- data.frame(Gene = genes, logFC = logFC, pvalue = pvalue) # 绘制火山图 ggplot(data, aes(x = logFC, y = -log10(pvalue))) + geom_point(size = 2, color = "grey", alpha = 0.5) + geom_point(data = subset(data, pvalue < 0.01 & abs(logFC) > 1), aes(color = "red"), size = 2) + geom_text_repel(data = subset(data, pvalue < 0.01 & abs(logFC) > 1), aes(label = Gene), size = 3, nudge_x = 0.2) + scale_color_manual(values = c("red" = "red")) + theme_minimal() + labs(x = "logFC", y = "-log10(p-value)", title = "Volcano Plot") ``` 这段代码使用了`ggplot2`包和`ggrepel`包来绘制火山图。首先，我们创建了一个示例数据集，其中包含基因名称、logFC值和p-value值。然后，使用`ggplot()`函数创建一个基础图层，并使用`geom_point()`函数添加散点图。接下来，使用`geom_point()`函数和`geom_text_repel()`函数分别在火山图上标记显著的基因。最后，使用`scale_color_manual()`函数设置基因标签的颜色，使用`theme_minimal()`函数设置图表主题，以及使用`labs()`函数设置轴标签和标题。 你可以根据自己的需求修改代码中的数据和绘图参数，以得到符合你要求的火山图。

“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

打赏作者

生信小白要知道

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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