在模仿中精进数据可视化_使用ggplot2手搓一个曼哈顿图
❝
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
❝今天使用
ggplot2手搓一个曼哈顿图，我在硕士期间辅助师兄们做了一些群体遗传的工作，读博士之后也帮我的好师兄们画过一些群体遗传的图。
当时特意去基因课学的群体遗传的知识。
在基因课学习过程中认识了最近刚刚发了Nature Communications的龙师兄。
等有机会一一复现龙师兄的这篇Nature Communications！
文章
原图
复现
❝其实绘制曼哈顿图的包有很多，比如鼎鼎大名的
CMplot。今天的手搓，也是对这个神包的一个致敬。
其实，还有一个细节，曼哈顿图最重要的是点要绘制的小，越小越精致，越大越臃肿。这个度，还是要自己好好把握。
直接上代码：
加载R包
rm(list = ls())
####----load R Package----####
library(tidyverse)
library(ggrepel)
library(CMplot)
library(readxl)
source("R/gwas_analysis.R")
加载数据
####----load Data----####
GWAS_out <- read_xlsx(path = "Input/GWAS_out.xlsx", col_names = T)
CMplot版本的
####----CMplot version----####
CMplot(GWAS_out, plot.type = "m", type = "p", LOG10 = TRUE,
threshold=c(1e-6, 1e-4),
threshold.lty=c(1,2),
threshold.lwd=c(1,1),
threshold.col=c("black","grey"),
file = "pdf",
file.name = "CMplot_version",
file.output = TRUE )
ggplot2手搓版本的
####----ggplot2 version----####
# 首先需要对数据进行预处理
out <- gwas_analysis(GWAS_out)
data <- out[[1]]
axis_location <- out[[2]]
p <- data %>%
ggplot() +
geom_point(aes(x = Positioncum, y = -log10(Pvalue), size = -log10(Pvalue), color = Chromosome)) +
geom_hline(yintercept = c(4, 6),
linetype = c(3,2)) +
geom_point(data = data %>% dplyr::filter(-log10(Pvalue) >= 6),
mapping = aes(x = Positioncum, y = -log10(Pvalue), size = -log10(Pvalue)),
color = "#dd1c77") +
geom_label_repel(data = data %>% dplyr::filter(-log10(Pvalue) >=6),
mapping = aes(x = Positioncum, y = -log10(Pvalue), label = SNP),
nudge_x = .15,
box.padding = 0.5,
nudge_y = 0.15,
segment.curvature = -0.1,
segment.ncp = 3,
segment.angle = 20) +
scale_x_continuous(breaks = axis_location$center,
labels = axis_location$Chromosome,
expand = c(0, 0)) +
scale_y_continuous(expand = expansion(mult = c(0, 0.1)),
breaks = c(0,2,4,6,8,10),
labels = c(0,2,4,6,8,10)) +
scale_color_manual(values = rep(c("#7fcdbb", "#feb24c"), times = 10)) +
labs(x = "") +
scale_size(range = c(0.25,2)) +
theme_bw() +
theme(
legend.position="none",
panel.border = element_rect(linewidth = 1),
panel.grid.major.x = element_blank(),
panel.grid.minor.x = element_blank(),
axis.text = element_text(color = "#000000", size = 12),
axis.title = element_text(color = "#000000", size = 15),
plot.margin = margin(1,1,1,1,"cm")
)
p
ggsave(filename = "Output/ggplot2_gwas.pdf",
plot = p,
height = 4,
width = 12)
版本信息
####----sessionInfo----####
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] latex2exp_0.9.6 readxl_1.4.3 CMplot_4.5.0 ggrepel_0.9.6 lubridate_1.9.3 forcats_1.0.0
[7] stringr_1.5.1 dplyr_1.1.4 purrr_1.0.2 readr_2.1.5 tidyr_1.3.1 tibble_3.2.1
[13] ggplot2_3.5.1 tidyverse_2.0.0
loaded via a namespace (and not attached):
[1] gtable_0.3.5 compiler_4.3.0 tidyselect_1.2.1 Rcpp_1.0.13 textshaping_0.3.7
[6] systemfonts_1.1.0 scales_1.3.0 R6_2.5.1 labeling_0.4.3 generics_0.1.3
[11] munsell_0.5.1 pillar_1.9.0 tzdb_0.4.0 rlang_1.1.4 utf8_1.2.4
[16] stringi_1.8.3 viridisLite_0.4.2 timechange_0.2.0 cli_3.6.3 withr_3.0.1
[21] magrittr_2.0.3 grid_4.3.0 rstudioapi_0.15.0 hms_1.1.3 lifecycle_1.0.4
[26] vctrs_0.6.5 writexl_1.4.2 glue_1.8.0 farver_2.1.2 cellranger_1.1.0
[31] ragg_1.2.6 fansi_1.0.6 colorspace_2.1-1 tools_4.3.0 pkgconfig_2.0.3
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。
