在模仿中精进数据可视化_R语言手搓一个Cytoscape/Gephi网络
❝硕士期间我使用过
Cytoscape和Gephi这两款经典的网络分析软件。
今天我们使用R语言手搓一个Cytoscape/Gephi的网络可视化。
因为自己代码手搓的结果，能够展示更多的数据细节。
❝
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
❝各位看官是否发现了，咱们中国人的审美观都更加青睐于各种对称美。
其实对称性在我们传统艺术、建筑、日常生活中都有广泛的体现，它象征着我们对自然的秩序和平衡。
咱们在模仿中精进数据可视化系列推文中，不乏对称美的极致展示。
总之，对称的美不仅是视觉上的享受，更深层次地反映了中国文化中对秩序、和谐与天人合一的追求。
❝本期推文，笔者使用相关性分析，并且将结果进行网络可视化。
今天的可视化自然是包含了对称的美。
原文
❝很熟悉的
Cytoscape/Gephi的风格。
那我们今天使用微生物共现网络MCN (Microbial Co-occurrence Network)，手搓一个。
复现
拼图的结果：
直接上代码：
加载R包
rm(list = ls())
####----load R Package----####
library(tidyverse)
library(readxl)
library(psych)
library(ggraph)
library(tidygraph)
library(patchwork)
source("R/corrlelation_analysis.R")
source("R/create_network.R")
加载数据
####----load Data----####
ASV_B <- read_xlsx(path = "Input/ASV_B.xlsx", col_names = T) %>%
tibble::column_to_rownames(var = "ASV") %>%
t() %>%
as.data.frame()
ASV_F <- read_xlsx(path = "Input/ASV_F.xlsx", col_names = T) %>%
tibble::column_to_rownames(var = "ASV") %>%
t() %>%
as.data.frame()
####----corralation analysis----####
cor_out_odata <- corr.test(ASV_B, ASV_F)
cor_out <- correlation_analysis(cor_out_odata = cor_out_odata)
####----Network----####
graph <- create_network(cor_out = cor_out)
绘图
####----Plot----####
p1 <- ggraph(graph, layout = "fr") +
geom_edge_link(aes(color = Correlated,
width = abs(Correlation),
linetype = Correlated,
alpha = abs(Correlation))) +
geom_node_point(aes(size = Popularity, fill = type), shape = 21) +
geom_node_text(aes(label = name),
size = 5,
color = "#000000") +
scale_size(range = c(10, 20)) +
scale_edge_color_manual(values = c("#dd3497", "#41ab5d")) +
scale_edge_width(range = c(1,3)) +
scale_fill_manual(values = c("#FE9929", "#CCEBC5")) +
coord_fixed() +
theme_void() +
theme(
plot.margin = margin(2,2,2,2,"cm")
)
p1
ggsave(filename = "./Output/P1.pdf",
plot = p1,
height = 10,
width = 14)
p2 <- ggraph(graph, layout = "fr") +
geom_edge_arc(aes(color = Correlated,
width = abs(Correlation),
linetype = Correlated,
alpha = abs(Correlation))) +
geom_node_point(aes(size = Popularity, fill = type), shape = 21) +
geom_node_text(aes(label = name),
size = 5,
color = "#000000") +
scale_size(range = c(10, 20)) +
scale_edge_color_manual(values = c("#dd3497", "#41ab5d")) +
scale_edge_width(range = c(1,3)) +
scale_fill_manual(values = c("#FE9929", "#CCEBC5")) +
coord_fixed() +
theme_void() +
theme(
plot.margin = margin(2,2,2,2,"cm")
)
p2
ggsave(filename = "./Output/P2.pdf",
plot = p2,
height = 10,
width = 14)
# combine plot
p_combine <- p1 + p2 +
plot_layout(guides = "collect") +
plot_annotation(tag_levels = c("A"))
p_combine
ggsave(filename = "./Output/P.pdf",
plot = p_combine,
height = 15,
width = 20)
版本信息
R version 4.3.0 (2023-04-21)
Platform: x86_64-apple-darwin20 (64-bit)
Running under: macOS 15.1.1
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] patchwork_1.2.0.9000 cowplot_1.1.3 tidygraph_1.2.3 ggraph_2.1.0 psych_2.3.9
[6] readxl_1.4.3 lubridate_1.9.3 forcats_1.0.0 stringr_1.5.1 dplyr_1.1.4
[11] purrr_1.0.2 readr_2.1.5 tidyr_1.3.1 tibble_3.2.1 ggplot2_3.5.1
[16] tidyverse_2.0.0
loaded via a namespace (and not attached):
[1] viridis_0.6.4 utf8_1.2.4 generics_0.1.3 stringi_1.8.3 lattice_0.22-5 hms_1.1.3
[7] digest_0.6.37 magrittr_2.0.3 grid_4.3.0 timechange_0.2.0 cellranger_1.1.0 writexl_1.4.2
[13] ggrepel_0.9.6 gridExtra_2.3 fansi_1.0.6 viridisLite_0.4.2 scales_1.3.0 tweenr_2.0.3
[19] textshaping_0.3.7 mnormt_2.1.1 cli_3.6.3 crayon_1.5.2 graphlayouts_1.0.2 rlang_1.1.4
[25] polyclip_1.10-7 munsell_0.5.1 withr_3.0.1 tools_4.3.0 parallel_4.3.0 tzdb_0.4.0
[31] colorspace_2.1-1 vctrs_0.6.5 R6_2.5.1 lifecycle_1.0.4 MASS_7.3-60 ragg_1.2.6
[37] pkgconfig_2.0.3 pillar_1.9.0 gtable_0.3.5 glue_1.8.0 Rcpp_1.0.13 systemfonts_1.1.0
[43] ggforce_0.4.2 tidyselect_1.2.1 rstudioapi_0.15.0 farver_2.1.2 nlme_3.1-163 igraph_2.0.3
[49] labeling_0.4.3 compiler_4.3.0
历史绘图合集
公众号推文一览
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。
