基于R语言绘图 | 转录代谢趋势图绘制教程

原文链接：基于R语言绘图 | 转录代谢趋势图绘制教程

本期教程

转录代谢趋势图绘

小杜的生信笔记，自2021年11月开始做的知识分享，主要内容是R语言绘图教程、转录组上游分析、转录组下游分析等内容。凡事在社群同学，可免费获得自2021年11月份至今全部教程，教程配备事例数据和相关代码，我们会持续更新中。

往期教程部分内容

写在前面

趋势图在组学中是常见的图形，尤其是多组学分析中。

趋势图的绘制教程相对也比较多，以及使用的分析R包也相对比较多，功能也也比较强大。

我们在做关联分析后（相关性分析），获得单独的数据集，再用其绘制趋势图，如何绘制呢？

原文链接：基于R语言绘图 | 转录代谢趋势图绘制教程

聚类分析常用到的教程

https://mp.weixin.qq.com/s/-uKyeovFaF0NFvxhxxYAwA
https://mp.weixin.qq.com/s/9tv2CFI2BtYbV7j9_RYwgQ
https://mp.weixin.qq.com/s/lL3v_OdOEdwrOuwchsgaFA
https://mp.weixin.qq.com/s/lL3v_OdOEdwrOuwchsgaFA
https://mp.weixin.qq.com/s/W43ANX3lNkjBLL3UUL63yg
https://mp.weixin.qq.com/s/ueEwNv79pMmoMAFuA5NZOA

这些教程足够你日常的需求。

数据类型

一般，我们输入的都是宽数据矩阵，如下所示：

cluster是我们已经做好分类的列。

转换成长数据矩阵

# 使用pivot_longer()函数将宽数据转换为长数据
data2 <- pivot_longer(data1, cols = -c(sample, cluster), names_to = "group", values_to = "value")

调整列的顺序

data2 <- data2[, c("sample", "value", "group", "cluster")]
data2

> data2
# A tibble: 24 × 4sample     value group    cluster<chr>      <dbl> <chr>      <dbl>1 mws1349   -0.931 sample01       12 mws1349   -0.190 sample02       13 mws1349    1.01  sample03       14 mws1349   -0.618 sample04       15 mws1068   -1.37  sample01       16 mws1068   -0.250 sample02       17 mws1068    1.09  sample03       18 mws1068   -0.212 sample04       19 pmp001118 -1.30  sample01       2
10 pmp001118 -0.447 sample02       2
# ℹ 14 more rows
# ℹ Use `print(n = ...)` to see more rows

绘制趋势图 | 方法一

计算均值

df2 <- data2 %>%group_by(cluster, group) %>%summarise(value = mean(value))
df2

绘图

ggplot(data2, aes(x = group, y = value))+geom_line(aes(group = sample), color = "grey90", size = 0.5)+##'@X轴因子固定，结合自己的数据进行修改scale_x_discrete(limits = c("sample1","sample2","sample3","sample4","sample5")) +geom_line(data = df2, aes(x = group, y = value, group = 1), color = "red", size = 1)+facet_wrap(~ factor(cluster), nrow = 2

绘制趋势图 | 方法二

ggplot(data2, aes(x = group, y = value))+geom_line(aes(group = sample), color = "grey90")+##'@X轴因子固定，结合自己的数据进行修改scale_x_discrete(limits = c("sample1","sample2","sample3","sample4","sample5"))+stat_summary(aes(group = 1), fun.y = "mean", geom = "line", size = 1, color = "red")+theme_classic(base_size = 14)+theme(axis.ticks.length = unit(0.1,'cm'),axis.text.x = element_text(angle = 45,hjust = 1,color = 'black'),strip.background = element_blank())+facet_wrap(~factor(cluster), nrow = 2)+ylab('Normalized expression') + xlab(NULL)