在模仿中精进数据可视化_基因在染色体定位图
❝
在模仿中精进数据可视化该系列推文中，我们将从各大顶级学术期刊的Figure入手，
解读文章的绘图思路，
模仿文章的作图风格，
构建适宜的绘图数据，
并且将代码应用到自己的实际论文中。
绘图缘由：小伙伴们总会展示出一些非常好看且精美的图片。我大概率会去学习和复现一下。其实每个人的时间和精力都非常有限和异常宝贵的。之所以我会去做，主要有以下原因：
图片非常好看，我自己看着也手痒痒 图片我自己在Paper也用的上，储备着留着用 保持了持续学习的状态
论文来源：
论文图片：
图片复现：
版本1
版本2
版本3
❝以上结果都依赖于一款
R包RIdeogram只要配置好数据格式，就可以轻松愉快的绘制基因在染色体上的分布图。
直接上代码：
加载R包
rm(list = ls())
####----load R Package----####
library(RIdeogram)
library(tidyverse)
加载数据
####----load Data----####
karyotype <- read_delim(file = "karyotype.txt", delim = "\t", col_names = T)
density <- read_delim(file = "density.txt", delim = "\t", col_names = T)
data <- read_delim(file = "data.txt", delim = "\t", col_names = T)
可视化
❝版本1
####----Plot----####
# version 1
ideogram(karyotype = karyotype,
label = data,
label_type = "marker",
output = "chromosome.svg")
svg2pdf("chromosome.svg", file = "chromosome")
❝版本2
# version2
ideogram(karyotype = karyotype,
overlaid = density,
label = data,
label_type = "marker",
output = "chromosome2.svg"
)
svg2pdf("chromosome2.svg", file = "chromosome2")
❝版本3
# version3
ideogram(karyotype = karyotype,
overlaid = density,
label = data,
label_type = "marker",
colorset1 = c("#5ab4ac", "#ffffbf", "#f1a340"),
output = "chromosome3.svg"
)
svg2pdf("chromosome3.svg", file = "chromosome3")
❝可以深入学习一下
RIdeogram包中函数的用法。
版本信息
####----sessionInfo----####
sessionInfo()
R version 4.3.0 (2023-04-21)
Platform: x86_64-apple-darwin20 (64-bit)
Running under: macOS 14.6.1
Matrix products: default
BLAS: /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/4.3-x86_64/Resources/lib/libRlapack.dylib; LAPACK version 3.11.0
locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
time zone: Asia/Shanghai
tzcode source: internal
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] lubridate_1.9.3 forcats_1.0.0 stringr_1.5.1 dplyr_1.1.4 purrr_1.0.2 readr_2.1.5 tidyr_1.3.1 tibble_3.2.1
[9] ggplot2_3.5.1 tidyverse_2.0.0 RIdeogram_0.2.2
loaded via a namespace (and not attached):
[1] bit_4.0.5 gtable_0.3.5 crayon_1.5.2 compiler_4.3.0 tidyselect_1.2.1 rsvg_2.6.0 parallel_4.3.0
[8] textshaping_0.3.7 systemfonts_1.1.0 scales_1.3.0 png_0.1-8 R6_2.5.1 generics_0.1.3 grImport2_0.3-3
[15] XML_3.99-0.15 munsell_0.5.1 pillar_1.9.0 tzdb_0.4.0 rlang_1.1.4 utf8_1.2.4 stringi_1.8.3
[22] bit64_4.0.5 timechange_0.2.0 cli_3.6.3 withr_3.0.1 magrittr_2.0.3 grid_4.3.0 vroom_1.6.4
[29] rstudioapi_0.15.0 base64enc_0.1-3 hms_1.1.3 lifecycle_1.0.4 vctrs_0.6.5 glue_1.7.0 ragg_1.2.6
[36] fansi_1.0.6 colorspace_2.1-1 jpeg_0.1-10 tools_4.3.0 pkgconfig_2.0.3
历史绘图合集
进化树合集
环状图
散点图
基因家族合集
换一个排布方式：
首先查看基础版热图:
然后再看进阶版热图:
基因组共线性
WGCNA ggplot2版本
其他科研绘图
合作、联系和交流
有很多小伙伴在后台私信作者，非常抱歉，我经常看不到导致错过，请添加下面的微信联系作者，一起交流数据分析和可视化。
