跟着CELL学作图|1.火山图

最新推荐文章于 2024-06-27 15:26:40 发布

木舟笔记

最新推荐文章于 2024-06-27 15:26:40 发布

阅读量1.3k

点赞数

文章标签：数据可视化 csv 微软 nokia less

本文链接：https://blog.csdn.net/weixin_45822007/article/details/115650526

版权

本文介绍了如何根据2020年发表在Cell上的新冠组学研究，复现其中的火山图。通过R语言，展示了如何绘制包含差异表达基因分布和显著性水平的火山图，并提供了数据格式、代码示例和关键参数设置，如foldchange和p值阈值，以及如何突出显示上调和下调基因。最后提到了使用ggplot2作为替代绘图方法。

摘要由CSDN通过智能技术生成

跟着CELL学作图之火山图

“实践是检验真理的唯一标准。”

“复现是学习R语言的最好办法。”

DOI: 10.1016/j.cell.2020.05.032

这篇2020年发表在cell上关于新冠的组学文章里面有大量的生信内容。今天带大家复现其中的一个Supplemental Figure：火山图。

本文代码及示例数据领取：后台回复“210412”

这图确实比一般的火山图美观且简洁。

火山图的意义

火山图可用于展示两组样本间基因表达水平差异的分布状况。

横轴log2 fold change差异表达倍数（Fold Change值，简称FC），差异越大的基因分布X轴在两端。

纵坐标用-log10 p-value表示，对P值进行-log10的转化。转化后，值越大就表示差异越显著。

数据格式

绘制

setwd(".../data")#设置目标路径,自己修改library(RColorBrewer)#配色用
df <- read.csv("df.csv",row.names = 1) #导入数据，第一列作为行名
fd <- 0.25 #设置foldchange阈值
cut.fd <- 0.25
pvalue <- 0.05 #设置p阈值
pdf( "df_volcano.pdf") #打开画板
plot(df$fd, -log10(df$P_value_adjust), col="#00000033", pch=19,
     xlab=paste("log2 (fold change)"),
     ylab="-log10 (P_value_adjust)")
#筛选上下调
up <- subset(df, df$P_value_adjust < pvalue & df$fd > cut.fd)
down <- subset(df, df$P_value_adjust< pvalue & df$fd< as.numeric(cut.fd*(-1)))
#绘制上下调
points(up$fd, -log10(up$P_value_adjust), col=1, bg = brewer.pal(9, "YlOrRd")[6], pch=21, cex=1.5)
points(down$fd, -log10(down$P_value_adjust), col = 1, bg = brewer.pal(11,"RdBu")[9], pch = 21,cex=1.5)
#加上线p、fd阈值线
abline(h=-log10(pvalue),v=c(-1*fd,fd),lty=2,lwd=1)
dev.off()#关闭