RNA-seq差异表达分析绘图（MA图、火山图）

1.MA图

#使用results函数提取dex列中"ABA_8h"和"Etoh_8h"（对照组、写在后面）这两个水平，比较它们在差异表达上的变化#使用results函数提取treated列中"ABA_8h"和"Etoh_8h"（对照组、写在后面）这两个水平，比较它们在差异表达上的变化
#确保有results_ABA_8h_vs_Etoh_8h <- results(d1.deseq, contrast=c("dex", "ABA_8h", "Etoh_8h")) 
plotMA(results_ABA_8h_vs_Etoh_8h,ylim=c(-10,10)) 

1. ylim=c(-10,10)：这个参数设置了y轴的界限，即对数变化值的范围。在这个例子中，y轴的范围被限制在-10到10之间。这通常用于放大图中的某些区域，使得变化较大的基因更容易观察。

2. 

2.火山图 

#从DESeq result中提取所有差异表达信息，制作表格
write.csv(results_ABA_8h_vs_Etoh_8h, file = "res1.csv")
res1_data <- read.csv("res1.csv")
library(gplot)
ggplot(res1_data,aes(log2FoldChange,-log10(padj)))
#2.1绘制基础火山图，并自动排除缺失值
ggplot(res1_data, aes(log2FoldChange, -log10(padj))) +
     geom_point(alpha = 0.6, size = 2, na.rm = TRUE)
#2.2数据分类
#将padj值＜0.05，FDR>=2设定UP;padj值＜0.05,FDR<=-2设定为Down；其他为NS
res1_data$group <- as.factor(ifelse(res1_data$padj<0.05&abs(res1_data$log2FoldChange)>=2,ifelse(res1_data$log2FoldChange>=2,"Up","Down"),"NS"))
#查看上调和下调基因数目
table(res1_data$group)
#2.3添加10个最显著上调和下调基因名称
#添加一列label
res1_data$label=""
#对差异表达基因的padj按从小到大排序
res1_data <- res1_data[order(res1_data$padj),]
#上调表达的基因中选择padj最小的10个,基因名称列名为X
up.genes1 <- head(res1_data$X[which(res1_data$group == "Up")], 10)
#下调表达的基因中选择padj最小的10个,基因名称列名为X
#2.4将padj换算成-log10（padj）
res1_data$logadj <- -log10(res1_data$padj)
#2.5使用ggpubr函数作图
install.packages("ggpubr")
library(ggpubr)
#绘图，以及 label 列，您想要用标签来标识点
 p <- ggscatter(res1_data, x = "log2FoldChange", y = "logadj",
+                color = "group",
+                palette = c("#2f5688", "#BBBBBB", "#CC0000"),
+                size = 1,
+                label = res1_data$label,
+                font.label = 8,
+                repel = TRUE,
+                xlab = "log2FoldChange",
+                ylab = "-log10(padj)")
#添加分界线,foldchange为2，padj为0.05（-log10（0.05）为1.3），-log10（0.01）为2
 p <- p +  geom_vline(xintercept = c(-2, 2), linetype = "dashed") +
       geom_hline(yintercept = 1.30, linetype = "dashed")
# 设置图例位置，添加主题
p <- p + theme(legend.position = "right") +  theme_classic()
# 打印图形
print(p)