多種方法在火山圖上標(biāo)記感興趣基因（差異基因，或者通路）

terminator_523 2019-08-12

展開全文

健明

要玩圖，離不開哈德雷大神的ggplot2，《R數(shù)據(jù)科學(xué)》第1章和21章是專門講圖的，我寫過對應(yīng)的筆記：

R數(shù)據(jù)科學(xué)--詳解ggplot2
R數(shù)據(jù)科學(xué)--第21章圖形化溝通
完整的R數(shù)據(jù)科學(xué)筆記目錄（點擊這里）

關(guān)于火山圖加標(biāo)簽的需求，這里有幾種方法來實現(xiàn)。

示例數(shù)據(jù)

方法一的示例數(shù)據(jù)是data.Rdata，方法二三的示例數(shù)據(jù)是test.Rdata。我將數(shù)據(jù)打包放在了“生信技能樹”公眾號后臺，回復(fù)“火山圖”即可獲得。你解壓后雙擊文件夾里的volcano.Rproj，復(fù)制粘貼運行本文代碼即可。

方法一：利用空字符串“”

原理：空字符串“”=nothing

關(guān)于空字符串，我曾寫過一篇文章來講他：R數(shù)據(jù)框里的空格子不是NA是什么

這種方法的參照是幫助文檔里的一段代碼：
(先準(zhǔn)備好包)

if(!require(ggplot2)) install.packages('ggplot2')
if(!require(ggrepel)) install.packages('ggrepel')
if(!require(dplyr))install.packages('dplyr')
library(ggplot2)
library(ggrepel)
library(dplyr)

代碼來源

下面代碼來源于geom_text_repel的幫助文檔

p <- ggplot(mtcars,
            aes(wt, mpg, label = rownames(mtcars), colour = factor(cyl))) +
  geom_point()
# Hide some of the labels, but repel from all data points
mtcars$label <- rownames(mtcars)
mtcars$label[1:15] <- ''
p + geom_text_repel(data = mtcars, aes(wt, mpg, label = label))

做出的圖是這樣：

可以看到，一部分點有標(biāo)簽，一部分沒有，思路就是把不要標(biāo)簽的部分變成空字符串“”。

學(xué)以致用

火山圖的本質(zhì)就是點圖，那么在火山圖上標(biāo)記部分基因，就是在點圖上標(biāo)記部分點。

參考這個思路為火山圖加標(biāo)簽：

（美圖預(yù)警）

step1:先把圖畫出來

load('data.Rdata')
head(data)
#       symbol     p.value        FC change 
#1            PCMTD2 1.53544e-11 1.3548360 Stable      
#2                KIAA0087 6.71382e-13 0.7314603 Stable      
#3                 AFAP1L1 4.24611e-12 0.6284560 Stable      
#4                  CHMP1A 3.76821e-09 1.6035994 Stable      
#5                  TRERF1 1.80652e-08 0.6875469 Stable      
#6                     C8B 7.88047e-04 1.2374303 Stable      
data$change = ifelse(data$p.value < 0.000001 & abs(log2(data$FC)) >= 1, 
                        ifelse(log2(data$FC)> 1 ,'Up','Down'),
                        'Stable')

p <- ggplot(data = data, 
         aes(x = log2(data$FC), 
             y = -log10(data$p.value), 
             colour=change,
             label = data$symbol)) +
  geom_point(alpha=0.4, size=3.5) +
  scale_color_manual(values=c('blue', 'grey','red'))+
  xlim(c(-4.5, 4.5)) +
  geom_vline(xintercept=c(-1,1),lty=4,col='black',lwd=0.8) +
  geom_hline(yintercept = -log10(0.000001),lty=4,col='black',lwd=0.8) +
  labs(x='log2(fold change)',
       y='-log10 (p-value)',
       title='Differential metabolites')  +
  theme_bw()+
  theme(plot.title = element_text(hjust = 0.5), 
        legend.position='right', 
        legend.title = element_blank())
p

step2:篩選部分基因，用于顯示在圖上

想在圖上做修改，一半是調(diào)參數(shù)，一半是調(diào)數(shù)據(jù)。我們現(xiàn)在要做的就是調(diào)數(shù)據(jù)：要標(biāo)記的，label=基因，無需標(biāo)記的，label=“”。

?重點就在這里：

data$label=ifelse(data$p.value < 0.000001 & abs(log2(data$FC)) >= 1,data$symbol,'')

step3：將文字圖層疊加上去

p+geom_text_repel(data = data, aes(x = log2(data$FC), 
                                   y = -log10(data$p.value), 
                                   label = label),
                      size = 3,box.padding = unit(0.5, 'lines'),
                      point.padding = unit(0.8, 'lines'), 
                      segment.color = 'black', 
                      show.legend = FALSE)

但是我發(fā)現(xiàn)，這個只是適用于數(shù)據(jù)量比較小的時候，這個例子只有170個點，而一般來說火山圖數(shù)以萬計的行，用這個方法容易失敗。下午嘗試了幾次大的數(shù)據(jù)，結(jié)果Rstudio無一例外的嘎嘣了。

方法二：看R數(shù)據(jù)科學(xué)

代碼來源

以下代碼出自R數(shù)據(jù)科學(xué)筆記第21章，原書第312頁：

best_in_class <- mpg %>%
  group_by(class) %>%
  filter(row_number(desc(hwy)) == 1)

ggplot(mpg, aes(displ, hwy)) +
  geom_point(aes(color = class)) +
  geom_point(size = 3, shape = 1, data = best_in_class) +
  ggrepel::geom_label_repel(
    aes(label = model),
    data = best_in_class
  )

這個方法適用于較大的數(shù)據(jù)。

端詳代碼找思路

1.從原來數(shù)據(jù)中挑選了一部分，生成新數(shù)據(jù)
2.用新數(shù)據(jù)作圖，向原數(shù)據(jù)做的點圖上疊加兩個圖層，一個空心點圖，一個geom_label_repel。

step1：先把火山圖畫出

load('test.Rdata')
p <- ggplot(data = test, 
            aes(x = logFC, 
                y = `-log10(P.value)`)) +
  geom_point(alpha=0.4, size=3.5, 
             aes(color=change)) +
  scale_color_manual(values=c('blue', 'grey','red'))+
  geom_vline(xintercept=c(-1,1),lty=4,col='black',lwd=0.8) +
  geom_hline(yintercept = -log10(0.01),lty=4,col='black',lwd=0.8) +
  theme_bw()
p

step2：生成用于添加圖層的新數(shù)據(jù)

?重點在這里

新數(shù)據(jù)框的內(nèi)容是你想要標(biāo)記的基因，這里根據(jù)logFC和Pvalue的大小來篩選，可以自定義閾值來調(diào)整要顯示的基因的數(shù)量：

for_label <- test %>% 
  filter(abs(logFC) >4& `-log10(P.value)`> -log10(0.000001))

step3:新圖層疊加到原圖上去

p +
  geom_point(size = 3, shape = 1, data = for_label) +
  ggrepel::geom_label_repel(
    aes(label = symbol),
    data = for_label,
    color='black'
  )

加號連接兩句代碼就實現(xiàn)了圖層的疊加，如果對ggplot2不了解，請看R數(shù)據(jù)科學(xué)第1章和第21章。但21章是整本書的錯誤重災(zāi)區(qū)，請看我的筆記有改正后的代碼。

方法三：ggpubr的函數(shù)有現(xiàn)成的參數(shù)

這個函數(shù)叫g(shù)gscatter，還是用剛才的test數(shù)據(jù)來做。

代碼來源

當(dāng)然是群主在GitHub的的800M的GEO數(shù)據(jù)挖掘代碼啦，還有配套視頻：

由于ggpubr寫縱坐標(biāo)時直接寫-log10（P.value）不識別，可采取迂回策略，改列名，完事再在圖上改縱軸標(biāo)簽。

load('test.Rdata')
if(!require(ggpubr))install.packages('ggplubr')
library(ggpubr)
colnames(test)[4] <- 'v'
ggscatter(test, 
          x = 'logFC', 
          y ='v',
          ylab='-log10(P.value)',
          size=0.5,
          color = 'change',
          palette = c('#00AFBB', '#999999', '#FC4E07') 
          )

然后加標(biāo)簽，是現(xiàn)成的參數(shù)“l(fā)abel.select”。接受的參數(shù)數(shù)據(jù)結(jié)構(gòu)應(yīng)該是向量。

可以手動選一二三四個感興趣的基因

ggscatter(test, 
          x = 'logFC', 
          y = 'v', 
          ylab='-log10(P.value)',
          color = 'change',
          size = 0.5,
          label = 'symbol', 
          repel = T,
          palette = c('#00AFBB', '#999999', '#FC4E07') ,
          #label.select = dat$symbol[1:30] ,
          label.select = c('CD36', 'DUSP6', 'DCT', 'SPRY2', 'MOXD1', 'ETV4' )
          )

也可以用向量取子集的方法來選很多個

比如差異基因前30個

ggscatter(test, 
          x = 'logFC', 
          y = 'v', 
          ylab='-log10(P.value)',
          color = 'change',
          size = 0.5,
          label = 'symbol', 
          repel = T,
          palette = c('#00AFBB', '#999999', '#FC4E07') ,
          label.select = test$symbol[1:30]
          )