差异表达基因热图怎么看_R绘图 雷达图-单基因泛癌差异表达的另类展现形式
发布时间
阅读量：
阅读量
往期回顾：
R语言学习系列之“多变的热图”
蚂蚁金服在线可视化引擎 G2
R绘图：无与伦比的华丽风行（桑基图）
R绘图：相关性分析与作图（单基因相关性）
R绘图：相关性分析与作图R绘图
ggsci: 高大上的论文配色，一文解决配色问题
R绘图 ggpubr: 为学术而生
TCGA数据分析系列之火山图
今天我们介绍一个专门画雷达图的包：ggradar
具体见：https://github.com/ricardo-bion/ggradar
ggradar包是ggplot2包的一个扩展包
安装包
devtools::install_github("ricardo-bion/ggradar",
dependencies = TRUE)我执行这个代码时一直出现错误信息，并经常提示连接不上问题。尝试寻找解决办法后发现无法找到合适的方法后重新连接电脑后完成安装。
ggradar的使用
library(ggradar)
library(dplyr)
library(scales)
library(tibble)
mtcars_radar <- mtcars %>%
as_tibble(rownames = "group") %>%
mutate_at(vars(-group), rescale) %>%
tail(4) %>%
select(1:10)
画图
ggradar(mtcars_radar)
选择前两个指标画图
ggradar(mtcars_radar[1:2,])
雷达图通常常用于财务报告领域中。而在生物信息学领域中又该如何应用呢？
想象一下，在进行泛癌分析时若想要观察多个基因在不同癌症类型中的表达情况，则需要考虑使用适当的数据可视化方法。具体来说，在获得了每个癌症类型对应的基因表达相对丰度值（logFC）后，则可以通过热图等方法直观地呈现这些数值信息。对于单基因的泛癌差异分析，则常用点图或箱线图来展示数据特征。值得注意的是，在某些情况下使用雷达图可能会更有效率地展示不同肿瘤类型中表达水平的变化趋势。
咱们构建一个数据集
options(stringsAsFactors = F)
DAT<-data.frame( group=c('gene1','gene2','gene3'),
LIHC=c(1, -3,2),
BRCA=c(1, 0,2),
COAD=c(1, 2.2,2),
READ=c(1, 2.5,2),
OV=c(1, 2,2),
BLCA=c(1,-1,2),
HNSC=c(1,-2,2))
数字表示基因在肿瘤中的差异表达的log2FC
画出3个基因的差异表达情况
ggradar(DAT, grid.min = -3,
grid.mid = 0, grid.max = 3,
values.radar = c("-3", "0", "3"),
gridline.min.colour = "grey",
gridline.mid.colour = "blue", gridline.max.colour = "orange",
axis.label.size = 5, axis.line.colour = "grey",
legend.text.size = 14, legend.position = "left",
background.circle.colour = "white",
background.circle.transparency = 0.1,
)
选取gene2作图
ggradar(DAT[2,], grid.min = -3,
grid.mid = 0, grid.max = 3,
values.radar = c("-3", "0", "3"),
gridline.min.colour = "grey",
gridline.mid.colour = "blue", gridline.max.colour = "orange",
axis.label.size = 5, axis.line.colour = "grey",
plot.title = "log2(Fold Change) of Gene2 in TCGA", legend.text.size = 14, legend.position = "left",
background.circle.colour = "white",
background.circle.transparency = 0.1,
)
log2FC从小到大排个序
DAT1<-select(DAT, group, colnames(sort(DAT[2,2:8])), everything())
ggradar(DAT1[2,], grid.min = -3,
grid.mid = 0, grid.max = 3,
values.radar = c("-3", "0", "3"),
gridline.min.colour = "grey",
gridline.mid.colour = "blue", gridline.max.colour = "orange",
axis.label.size = 5, axis.line.colour = "grey",
plot.title = "log2(Fold Change) of Gene2 in TCGA", legend.text.size = 14, legend.position = "left",
background.circle.colour = "white",
background.circle.transparency = 0.1,
)
用AI修饰一下
单基因泛癌分析链接
TCGA单基因免疫相关泛癌分析（为满足要求，在图表呈现中增加更加详细的信息）
TCGA单基因免疫相关泛癌分析-进阶版本mp.weixin.qq.com
公众号“生信小课堂”
TCGA数据分析课程：
全部评论 (0)
还没有任何评论哟~