科研绘图模板之森林图

森林图（Forest Plot）是一种常用于展示多个研究结果的汇总效果图表，特别是在荟萃分析和系统评价中。它通过图形方式总结了多项独立研究的结果，可以直观地比较和评估各个研究的效应量及其置信区间。

森林图的组成部分

1. 研究标签（Study Labels）：

• 图的左侧通常列出每个包含在分析中的研究名称或编号。这部分列出了每个单独研究的来源或识别信息。

• 效应量可以是相对风险（RR）、风险比（HR）、优势比（OR）等，取决于研究的类型。
• 每个研究的效应量通常用一个点或方块表示。方块的大小通常与研究的权重成比例，权重越大，方块越大。

• 每个效应量点或方块旁边会有一条水平线，表示该效应量的置信区间（通常为95%）。
• 置信区间线越短，表明该研究的结果越精确。

• 图的底部通常会有一个钻石形的符号，表示所有研究的综合效应量及其置信区间。
• 钻石的中心位置表示综合效应量，钻石的宽度表示综合置信区间。

• 图的中央通常有一条垂直线，表示“无效应”的位置。例如，对于风险比（HR），垂直线通常表示 HR=1。
• 置信区间若跨过这条垂直线，则说明该研究结果没有统计显著性。

• 一些森林图还会显示每个研究在综合分析中的权重，以百分比形式表示。

示例

# 加载必要的库
library(tidyverse)
library(GGally)
library(patchwork)

# 读取数据
unicox <- read_csv("test.csv")

# 森林图
p1 <- ggplot(unicox, aes(HR_log, cancer, col = Type)) +
  geom_point(aes(size = -log10(p.value))) +
  geom_errorbarh(aes(xmax = upper_95_log, xmin = lower_95_log), height = 0.4) +
  scale_x_continuous(limits = c(-2, 2), breaks = seq(-1, 1, 1)) +
  geom_vline(aes(xintercept = 0)) +
  xlab('HR(95%CI)') + ylab(' ') +
  theme_bw(base_size = 12) +
  theme(axis.text.y = element_blank(),
        axis.ticks.y = element_blank(),
        axis.text.x = element_text(color = "black"),
        axis.title.y = element_blank(),
        plot.margin = unit(rep(0, 4), "cm"),
        legend.title = element_blank(),
        legend.key = element_blank(),
        legend.text = element_text(color = "black", size = 9),
        legend.spacing.x = unit(0.1, 'cm'),
        legend.spacing.y = unit(0.1, 'cm'),
        legend.key.width = unit(0.2, 'cm'),
        legend.key.height = unit(0.2, 'cm'),
        legend.background = element_blank(),
        legend.box.background = element_rect(colour = "black"),
        legend.position = c(1, 0), legend.justification = c(1, 0)) +
  scale_color_manual(values = c("gray", "steelblue", "red"))

代码解释：

1. 库加载：

   library(tidyverse)
   library(GGally)
   library(patchwork)
   

   加载了 tidyverse 用于数据处理，GGally 用于增强的 ggplot2 功能，patchwork 用于组合多个图形。

2. 读取数据：

   unicox <- read_csv("test.csv")
   

   从 test.csv 文件中读取数据并存储在 unicox 数据框中。

3. 绘制基因组生存分析图：

   p1 <- ggplot(unicox, aes(HR_log, cancer, col = Type)) +
     geom_point(aes(size = -log10(p.value))) +
     geom_errorbarh(aes(xmax = upper_95_log, xmin = lower_95_log), height = 0.4) +
     scale_x_continuous(limits = c(-2, 2), breaks = seq(-1, 1, 1)) +
     geom_vline(aes(xintercept = 0)) +
     xlab('HR(95%CI)') + ylab(' ') +
     theme_bw(base_size = 12) +
     theme(axis.text.y = element_blank(),
           axis.ticks.y = element_blank(),
           axis.text.x = element_text(color = "black"),
           axis.title.y = element_blank(),
           plot.margin = unit(rep(0, 4), "cm"),
           legend.title = element_blank(),
           legend.key = element_blank(),
           legend.text = element_text(color = "black", size = 9),
           legend.spacing.x = unit(0.1, 'cm'),
           legend.spacing.y = unit(0.1, 'cm'),
           legend.key.width = unit(0.2, 'cm'),
           legend.key.height = unit(0.2, 'cm'),
           legend.background = element_blank(),
           legend.box.background = element_rect(colour = "black"),
           legend.position = c(1, 0), legend.justification = c(1, 0)) +
     scale_color_manual(values = c("gray", "steelblue", "red"))
   

• scale_color_manual(values = c("gray", "steelblue", "red")) 设置 Type 的颜色映射。
• xlab('HR(95%CI)') + ylab(' ') 设置 x 轴标签。
• theme_bw(base_size = 12) 使用白色背景主题并设置基础字体大小。
• theme(...) 进行各种主题调整，如隐藏 y 轴文本和刻度，设置图例位置等。
• scale_x_continuous(limits = c(-2, 2), breaks = seq(-1, 1, 1)) 设置 x 轴的范围和刻度。
• geom_vline(aes(xintercept = 0)) 添加一条竖直线，x 轴交于 0。
• geom_point(aes(size = -log10(p.value))) 使用 -log10(p.value) 作为点的大小。
• geom_errorbarh(aes(xmax = upper_95_log, xmin = lower_95_log), height = 0.4) 绘制水平方向的误差线。
• aes(HR_log, cancer, col = Type) 设置了数据的映射，HR_log 作为 x 轴，cancer 作为 y 轴，Type 作为颜色。
• 映射和美学：
• 绘制点和误差线：
• x 轴设置：
• 标签和主题：
• 颜色手动设置：

text_plot <- function(data, aes_y, x_label) {
  ggplot(data, aes(group, {{aes_y}})) +
    geom_text(aes(label = {{aes_y}}), size = 3, color = "black") +
    theme(panel.grid.major = element_blank(),
          axis.text = element_blank(),
          axis.ticks = element_blank(),
          axis.title.y = element_blank(),
          plot.margin = unit(rep(0, 4), "cm")) +
    labs(x = x_label) +
    scale_x_discrete(position = "top")
}

• ggplot(data, aes(group, {{aes_y}})) 设置数据映射。
• geom_text(aes(label = {{aes_y}}), size = 3, color = "black") 添加文本标签。
• theme(...) 调整图形主题以去掉多余的元素。
• labs(x = x_label) 设置 x 轴标签。
• scale_x_discrete(position = "top") 将 x 轴标签放置在顶部。
• data：输入数据框。
• aes_y：要显示的变量。
• x_label：x 轴标签。
• 参数：
• 图形设置：

p2 <- unicox %>% 
  select(cancer) %>% 
  distinct() %>% 
  mutate(group = "A") %>% 
  text_plot(cancer, "Gene")

p3 <- unicox %>% 
  select(HR_log, lower_95_log, upper_95_log) %>% 
  mutate(across(where(is.numeric), round, 2),
         `HR(95%Cl)` = paste(HR_log, "[", lower_95_log, " to ", upper_95_log, "]", sep = "")) %>% 
  select(`HR(95%Cl)`) %>% 
  mutate(group = "HR(95%Cl)") %>% 
  text_plot(`HR(95%Cl)`, "HR(95%Cl)")

p4 <- unicox %>% 
  select(p.value) %>% 
  mutate(across(where(is.numeric), round, 2),
         p.value = as.character(p.value),
         group = "A") %>% 
  text_plot(p.value, "p.value")

• p2：创建一个显示 cancer 的子图。
• p3：创建一个显示 HR(95%Cl) 的子图，将 HR_log、lower_95_log 和 upper_95_log 四舍五入并合并成一个字符串。
• p4：创建一个显示 p.value 的子图，并将 p.value 转换为字符。

(p2 + p3 + p4 + p1) + plot_layout(widths = c(.12, .28, .15, .8))

• 使用 patchwork 包的功能，将子图 p2、p3、p4 和主图 p1 合并成一个整体，并设置每个图形的宽度比例。

生信分析服务器共享产品

• 试用版：48线程、512GB内存、200GB硬盘，397元/半年，25元/人
• 主推版：88线程、512GB内存、400GB硬盘，597元/年，50元/人
• 高端版：256线程、2TB内存、800GB硬盘，797元/年，150元/人
• 硬盘扩容：每增加100GB硬盘，额外收费100元/年