ggcor | 相关分析和可视化的扩展工具

昨天在明哥的公众号【小明的数据分析笔记本】上看到了他正在探讨一幅相关性矩阵图。

“

这幅图其实就是通过Mantel test检验统计，可视化环境变量矩阵（如pH，有机碳，总氮，盐度等）与物种/功能丰度矩阵之间的相关性 。

拿到一个陌生的图，第一步肯定得查查看是否有文献来源。于是，我用百度/谷歌识图搜索了一下，好家伙，不搜不知道，一搜吓一跳，19年Science发表过类似的图片后，各路大神都在复现，甚至还开发了专门的R包。

既然有现成的包，那咱也不客气了，直接拿来用就是了。

安装 ggcor

# Gitee地址安装(试了好几个)
devtools::install_git("https://gitee.com/dr_yingli/ggcor") 
library(ggcor)
library(ggplot2)

相关性图

# 以mtcars 数据集为例 
# 不同的图形代码如下
library(patchwork)
# layer of tile
A <- quickcor(mtcars) + geom_colour()

# layer of circle and trim the lower triangle
B <- quickcor(mtcars, type = "upper") + geom_circle2()

# layer of ellipse and not show diagonal
C <- quickcor(mtcars, type = "lower", show.diag = FALSE) + geom_ellipse2()

# layer of square and reorder correlation matrix by cluster
D <- quickcor(mtcars, cluster = TRUE) + geom_square()

# layer of confidence box
E <- quickcor(mtcars, cor.test = TRUE) + geom_confbox()

# different layer of upper/lower triangle
F <- quickcor(mtcars, cor.test = TRUE) +
  geom_square(data = get_data(type = "lower", show.diag = FALSE)) +
  geom_mark(data = get_data(type = "upper", show.diag = FALSE)) +
  geom_abline(slope = -1, intercept = 12)
(A+B+C)/(E+D+F)+ plot_annotation(tag_levels = 'A')

组合相关性图

library(dplyr)
library(vegan)
library(ggplot2)
# 载入示例数据
data("varechem", package = "vegan")
data("varespec", package = "vegan")

# Mantel.test 检验计算矩阵相关性
mantel <- mantel_test(varespec, varechem, mantel.fun = 'mantel.randtest',spec.dist.method = 'bray', env.dist.method = 'euclidean', 
                      spec.select = list(Spec01 = 1:7,
                                         Spec02 = 8:18,
                                         Spec03 = 19:37
                                                   )) %>% 
  mutate(r_value = cut(r, breaks = c(-Inf, 0.25, 0.5, Inf), 
                   labels = c('<0.25', '0.25-0.5', '>=0.5'), right = FALSE),
         p_value = cut(p.value, breaks = c(-Inf, 0.001, 0.01, 0.05, Inf), 
                       labels = c('<0.001', '0.001-0.01', '0.01-0.05', '>=0.05'), right = FALSE))

quickcor(varechem, type = "upper") +
  geom_square() +
  anno_link(aes(colour = p_value, size = r_value), data = mantel) +
  scale_size_manual(values = c(0.5, 1, 2)) +
  scale_colour_manual(values = c("#D95F02", "#1B9E77", "#A2A2A288")) +
  guides(size = guide_legend(title = "Mantel's r",
                             override.aes = list(colour = "grey35"), 
                             order = 2),
         colour = guide_legend(title = "Mantel's p", 
                               override.aes = list(size = 3), 
                               order = 1),
         fill = guide_colorbar(title = "Pearson's r", order = 3))

环状热图

# 需要安装ambient包
install.packages('ambient') 
library(ambient)

rand_correlate(100, 8) %>% ## require ambient packages
  quickcor(circular = TRUE, cluster = TRUE, open = 45) +
  geom_colour(colour = "white", size = 0.125) +
  anno_row_tree() +
  anno_col_tree() +
  set_p_xaxis() +
  set_p_yaxis()

参考

1. houyunhuang/ggcor · GitHub 

2. dr.yingli/ggcor (gitee.com)

往期

• (免费教程+代码领取)|跟着Cell学作图系列合集
  

• 文献解读|柳叶刀：基于机器学习的急性冠脉综合征不良事件预测：一项汇集数据集的建模研究