MicrobiomeStatPlot |不同分类级别堆叠柱状教程Multi-levels StackPlot

学术   2024-12-17 07:03   中国香港  

不同分类级别堆叠柱状图简介

堆叠柱状图常用于展示微生物不同分类级别组成。包括用堆叠柱状图直观的比较不同分组之间的微生物组成变化。而如果没有分组,只想展示一下不同分类级别微生物的组成情况,可以将不同分类级别的微生物组成放在一张图中展示,并给不同分类级别组成不同的着色加以区分。这样就能直观的了解不同分类级别主要的组成是什么。

标签:#微生物组数据分析  #MicrobiomeStatPlot  #不同分类级别堆叠柱状图  #R语言可视化 #Multi-levels StackPlot

作者:First draft(初稿):Defeng Bai(白德凤);Proofreading(校对):Ma Chuang(马闯) and Jiani Xun(荀佳妮);Text tutorial(文字教程):Defeng Bai(白德凤)

源代码及测试数据链接:

https://github.com/YongxinLiu/MicrobiomeStatPlot/项目中目录 3.Visualization_and_interpretation/StackPlot_Multi_levels

或公众号后台回复“MicrobiomeStatPlot”领取


不同分类级别堆叠柱状图案例

这是内蒙古农业大学张和平和孙志宏团队2023年发表于Nature Microbiology上的一篇论文用到的堆叠柱状图,论文的题目为:A high-quality genome compendium of the human gut microbiome of Inner Mongolians. https://doi.org/10.1038/s41564-022-01270-1.

图 2b |  IMGG 数据集在门、纲、目和科级别的分类分布。

每个分类级别仅显示前五个分类单元,其余分类单元归类为“其他”。

结果

回收的 MGS 在分类学上归属于 11 个门、14 个纲、30 个目和 40 个科,涵盖 220 个属(图 2b 和补充表 8)。

R语言实战

源代码及测试数据链接:

https://github.com/YongxinLiu/MicrobiomeStatPlot/

或公众号后台回复“MicrobiomeStatPlot”领取

软件包安装

# 基于CRAN安装R包,检测没有则安装 Installing R packages based on CRAN and installing them if they are not detectedp_list = c("ggplot2", "tidyverse")for(p in p_list){if (!requireNamespace(p)){install.packages(p)}    library(p, character.only = TRUE, quietly = TRUE, warn.conflicts = FALSE)}
# 加载R包 Loading R packagessuppressWarnings(suppressMessages(library(ggplot2)))suppressWarnings(suppressMessages(library(tidyverse)))

实战

# Load datadata <- read.table("data/data.txt", header = TRUE, sep = "\t", comment.char = "")
# 定义 Phylum 级别的配色方案(Define colors)# 批量生成颜色#colors <- colorRampPalette(RColorBrewer::brewer.pal(9, "Set1"))(50)
# 自定义颜色 (Custom colors)colors <- c("#ccece6","#bfd3e6","#ccebc5","#fdbb84","#a6bddb","#c994c7",            "#99d8c9","#9ebcda","#a8ddb5","#fc8d59","#74a9cf","#67a9cf","#df65b0","#f768a1","#78c679","#41b6c4",            "#41ae76","#8c6bb1","#4eb3d3","#ef6548","#3690c0","#3690c0","#e7298a","#dd3497","#41ab5d","#1d91c0",            "#238b45","#88419d","#2b8cbe","#d7301f","#0570b0","#02818a","#ce1256","#ae017e","#238443","#225ea8",            "#006d2c","#810f7c","#0868ac","#b30000","#045a8d","#016c59","#980043","#7a0177","#006837","#253494"            )
# 为每个 Phylum 级别分配唯一的颜色(Assign a unique color to each Phylum level)get_fill_colors <- function(data, colors) {  taxa_samples <- unique(interaction(data$Taxa, data$Sample, sep = "_"))  colors <- setNames(    colors[seq_along(taxa_samples)], # 从颜色池中选择足够的颜色    taxa_samples  )  return(colors)}
# 处理数据,添加 Fill 列(Process data and add Fill column)data <- data %>%  mutate(Fill = interaction(Taxa, Sample, sep = "_")) # Taxa 和 Sample 组合
# 分配颜色 (Assign Color)fill_colors <- get_fill_colors(data, colors)
data = data %>%  mutate(Sample = ordered(Sample,                         levels=c("Phylum","Class","Order","Family","Genus"                                  )))
# 绘制堆叠柱状图 (Plot)p <- ggplot(data, aes(x = Sample, y = Abundance, fill = Fill)) +  geom_bar(stat = "identity", position = "stack") +  scale_fill_manual(values = fill_colors) +  labs(x =NULL, y="Relative abundance (%)", fill = "Taxa-Sample") +  #theme_minimal() +  theme_bw()+  theme(axis.text.x = element_text(angle = 45, hjust = 1))
# 保存为 PDF 文件 (Save as PDF)pdf("results/microbiome_composition_different_levels.pdf", width = 10, height = 6)print(p)dev.off()#> png #>   2

使用此脚本,请引用下文:

Yong-Xin Liu, Lei Chen, Tengfei Ma, Xiaofang Li, Maosheng Zheng, Xin Zhou, Liang Chen, Xubo Qian, Jiao Xi, Hongye Lu, Huiluo Cao, Xiaoya Ma, Bian Bian, Pengfan Zhang, Jiqiu Wu, Ren-You Gan, Baolei Jia, Linyang Sun, Zhicheng Ju, Yunyun Gao, Tao Wen, Tong Chen. 2023. EasyAmplicon: An easy-to-use, open-source, reproducible, and community-based pipeline for amplicon data analysis in microbiome research. iMeta 2: e83. https://doi.org/10.1002/imt2.83

Copyright 2016-2024 Defeng Bai baidefeng@caas.cn, Chuang Ma 22720765@stu.ahau.edu.cn, Jiani Xun 15231572937@163.com, Yong-Xin Liu liuyongxin@caas.cn

宏基因组推荐
本公众号现全面开放投稿,希望文章作者讲出自己的科研故事,分享论文的精华与亮点。投稿请联系小编(微信号:yongxinliu 或 meta-genomics)

猜你喜欢

iMeta高引文章 fastp 复杂热图 ggtree 绘图imageGP 网络iNAP
iMeta网页工具 代谢组MetOrigin 美吉云乳酸化预测DeepKla
iMeta综述 肠菌菌群 植物菌群 口腔菌群 蛋白质结构预测

10000+:菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature

系列教程:微生物组入门 Biostar 微生物组  宏基因组

专业技能:学术图表 高分文章 生信宝典 不可或缺的人

一文读懂:宏基因组 寄生虫益处 进化树 必备技能:提问 搜索  Endnote

扩增子分析:图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流快速解决科研困难,我们建立了“宏基因组”讨论群,己有国内外6000+ 科研人员加入。请添加主编微信meta-genomics带你入群,务必备注“姓名-单位-研究方向-职称/年级”。高级职称请注明身份,另有海内外微生物PI群供大佬合作交流。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍未解决群内讨论,问题不私聊,帮助同行。

点击阅读原文


宏基因组
宏基因组/微生物组是当今世界科研最热门的研究领域之一,为加强本领域的技术交流与传播,推动中国微生物组计划发展,中科院青年科研人员创立“宏基因组”公众号,目标为打造本领域纯干货技术及思想交流平台。
 最新文章