 首先分析一下图，不是很清楚，大家将就看一下吧。A就是一个散点图，根据Risk Score进行了sort，用基础的plot或者ggplot就能画一个一毛一样的。B也是一个散点图，我习惯用ggplot，只需要把生存状态映射给颜色就可以了。C是一个没有聚类的热图，用pheatmap就可以做出来了。 实在不想去TCGA下载数据整理再来做推送了，机（lan）智（duo）的我直接在R包ggplot2里面找了一组数据，然后把行名给改了，处理了一下，和代码一起放在网盘里，不嫌弃的话可以直接去下载用来练习。 01 A 散点图 用ggplot2做的图，先做一个散点图，然后去掉x轴标签，再删除x轴刻度。点的形状、大小那些细节大家可以自己把握。文献图中的竖线调用geom_vline()，设置一下显示部位就可以了。刻度大小调用 Scatter Plots install.packages('ggplot2') library(ggplot2) mydata <- read.table('witty.txt',sep='\t' ,header="T,stringsAsFactors" =="" f,na.strings=''> p = ggplot(mydata,aes(x=seq,y=risk))+ geom_point(shape=21,color='black',fill='white',sort(aes(mydata$seq)))+ labs(x='',y='Risk Score') #设置坐标轴标签，也可以用axis.title.x = element_blank()处理x轴标签 p + ylim(0,6)+ theme_bw()+ theme(axis.line = element_line(color='black'), #设置坐标轴线 axis.text.x = element_blank(), #删除x轴刻度 axis.text.y = element_text(size = 10)) 02 B 生存情况 这个表示生存情况的图和我们平时看到的K-M曲线不太一样，但是这个图也是很好画的，同样用ggplot2就可以了。和上面的那个散点图差不多，只是这里多了一个把生存状态映射给颜色的步骤。在geom_point里面调用color就OK了。另外，我们平常看到的图都是绿色表示Live，红色表示Dead，所以最后又调用了scale_color_manual()对颜色进行了设置。 Survival Graph library(ggplot2) survdata <- read.table('witty.txt',sep='\t' ,header="T,stringsAsFactors" =="" f,na.strings=''> survdata$state <-> sg <- ggplot(survdata,aes(x=""> geom_point(shape=21,sort(aes(survdata$seq)))+ ylab('Survival time in years') final <- sg="" +=""> theme(axis.line = element_line(color = 'black'), axis.text.x = element_blank(), axis.title.x = element_blank(), axis.text.y = element_text(size = 10)) final + labs(color='state')+ scale_color_manual(values = c('red','green')) 03 C 热图 忘记RNA-Seq的那篇推送有没有说热图的绘制了。绘制热图的R包有很多，比较习惯用pheatmap，做的图比较漂亮，也很方便，甚至只要把表达数据导入RStudio，然后直接调用pheatmap就能做出聚类图了，具体的用法大家可以去下载说明书研究一下。 pheatmap的缺点可能就是横坐标只能垂直显示吧。最后，导出文件时最好是在pheatmap()中调用filename='xx.pdf'，别问我怎么知道的，某次用pdf()作图打开输出文件PDF时是空白的，最后发现竟然有两页，图在第2页。 heapmap install.packages('pheatmap') library(pheatmap) mydata <- read.table('miexpr.txt',sep='\t' ,header="T,row.names" =="" 1,stringsasfactors="F,na.strings" ==""> pheatmap(mydata,cluster_rows = F,cluster_cols = F,show_rownames = T,show_colnames = T) col_anno <- data.frame(sampletype="rep(c('Normal','Cancer'),c(16,16)),row.names=" colnames(mydata))=""> anno_color <- list(sampletype="c(Normal='green',Cancer='red'))"> pheatmap::pheatmap(mydata,scale = 'column',show_colnames = F, cluster_rows = F,cluster_cols = F, annotation_col = col_anno,annotation_colors = anno_color)  这周就这么多咯，主要分析了文献里面的一个实例。代码和数据可以在网盘中下载，ggplot2的说明书也放在里面了，链接：https://pan.baidu.com/s/1WFYQdwWIqczJ1wZnP_cXeA 密码：1cvs。 |
|
|
