【原】R语言ggboxplot-一文掌握箱线图绘制所有细节

载入数据

1Sys.setlocale('LC_ALL','C')
2load(file = "F:/Bioinfor_project/Breast/AS_research/AS/result/hubgene.Rdata")
3head(data)
4require(cowplot)
5require(tidyverse)
6require(ggplot2)
7require(ggsci)
8require(ggpubr)
9mydata<-data %>% 
10  ## 基因表达数据gather,gather的范围应调整
11  gather(key="gene",value="Expression",CCL14:TUBB3) %>% 
12  ##
13  dplyr::select(ID,gene,Expression,everything()) 
14head(mydata)  ## 每个基因作为一个变量的宽数据


创建带有pvalue的箱线图

• 参考资料

• 展示绘图细节控制

1p <- ggboxplot(mydata, x = "group", y = "Expression",
2          color = "group", palette = "jama",
3          add = "jitter")
4#  Add p-value
5p + stat_compare_means()


image.png

改变统计方法

1# Change method
2p + stat_compare_means(method = "t.test")


image.png

统计学意义标注

• label="p.signif"

• p.format等

• label.x标注位置

1p + stat_compare_means( label = "p.signif")


image.png

多组比较

• 给出global pvalue

1# Default method = "kruskal.test" for multiple groups
2ggboxplot(mydata, x = "gene", y = "Expression",
3          color = "gene",add="jitter", palette = "jama")+
4  stat_compare_means()
5
6# Change method to anova
7ggboxplot(mydata, x = "gene", y = "Expression",
8          color = "gene", add="jitter", palette = "jama")+
9  stat_compare_means(method = "anova")


image.png

image.png

指定比较

• 配对比较:会完成各个变量的比较，默认wilcox.test法，可修改

• my_comparisions:可以指定自己想要进行的比较

• 指定参考组，进行比较

1require(ggpubr)
2compare_means(Expression ~ gene,  data = mydata)
3
4## 指定自己想要的比较
5# Visualize: Specify the comparisons you want
6my_comparisons <- list( c("CCL14", "HBA1"), c("HBA1", "CCL16"), c("CCL16", "TUBB3") )
7ggboxplot(mydata, x = "gene", y = "Expression",
8          color = "group",add = "jitter", palette = "jama")+ 
9  stat_compare_means(comparisons = my_comparisons)#+ # Add pairwise comparisons p-value
10  #stat_compare_means()     # Add global p-value


image.png

指定参考组

指定CCL14作为参考组与其它各组比较
ref.group

1compare_means(Expression ~ gene,  data = mydata, ref.group = "CCL14",
2              method = "t.test")
3# Visualize
4mydata %>% 
5  filter(group=="TNBC") %>% # 筛选TNBC数据
6ggboxplot( x = "gene", y = "Expression",
7          color = "gene",add = "jitter", palette = "nejm")+
8  stat_compare_means(method = "anova")+      # Add global p-value
9  stat_compare_means(label = "p.signif", method = "t.test",
10                     ref.group = "CCL14")      


image.png

多基因分面

按另外一个变量分组比较

1## 比较各个基因在TNBC与Normal表达
2compare_means( Expression ~ group, data = mydata, 
3              group.by = "gene")
4# Box plot facetted by "gene"
5p <- ggboxplot(mydata, x = "group", y = "Expression",
6          color = "group", palette = "jco",
7          add = "jitter",
8          facet.by = "gene", short.panel.labs = FALSE)
9# Use only p.format as label. Remove method name.
10p + stat_compare_means(label = "p.format")


image.png

将pvalue换成星号

• hide.ns = TRUE.参数可隐藏ns

1p + stat_compare_means(label =  "p.signif", label.x = 1.5)


image.png

将各个图绘制在一张图中

1p <- ggboxplot(mydata, x = "gene", y = "Expression",
2          color = "group", palette = "nejm",
3          add = "jitter")
4p + stat_compare_means(aes(group = group))


image.png

修改下pvalue展示的方式

1# Show only p-value
2p + stat_compare_means(aes(group = group), label = "p.format")


image.png

用星号表示pvalue

1# Use significance symbol as label
2p + stat_compare_means(aes(group = group), label = "p.signif")


image.png

配对样本比较

要求x,y具有相同的样本数，进行一一配对比较

1head(ToothGrowth)
2compare_means(len ~ supp, data = ToothGrowth, 
3              group.by = "dose", paired = TRUE)
4# Box plot facetted by "dose"
5p <- ggpaired(ToothGrowth, x = "supp", y = "len",
6          color = "supp", palette = "jama", 
7          line.color = "gray", line.size = 0.4,
8          facet.by = "dose", short.panel.labs = FALSE)
9# Use only p.format as label. Remove method name.
10p + stat_compare_means(label = "p.format", paired = TRUE)


image.png

封装为函数命名为group_box

• 功能：已经选定的基因绘制箱线图

• - 参数1：group分组变量，可以是自己所有感兴趣的变量

• 参数2：mydata为整理好的清洁数据,gene为长数据(gather版本)

1head(mydata)
2group_box<-function(group=group,data=mydata){
3        p <- ggboxplot(mydata, x = "gene", y = "Expression",
4          color = group, 
5          palette = "nejm",
6          add = "jitter")
7p + stat_compare_means(aes(group = group))
8}
9
10## 
11group_box(group="PAM50",data = mydata)


封装为函数命名为group_box

• 功能：已经选定的基因绘制箱线图

• - 参数1：group分组变量，可以是自己所有感兴趣的变量

• 参数2：mydata为整理好的清洁数据,gene为长数据(gather版本)

1head(mydata)
2group_box<-function(group=group,data=mydata){
3        p <- ggboxplot(mydata, x = "gene", y = "Expression",
4          color = group, 
5          palette = "nejm",
6          add = "jitter")
7p + stat_compare_means(aes(group = group))
8}
9
10## 
11group_box(group="PAM50",data = mydata)


image.png

封装函数gene_box

• 目的功能：对感兴趣的基因绘制和分组绘制boxplot

- 注意这时使用的应该是基因的宽数据，因为涉及到单个基因作为变量

1head(data)
2usedata<-data
3## 封装函数
4gene_box<-function(gene="CCL14",group="group",data=usedata){
5p <- ggboxplot(data, x = group, y = gene,
6          ylab = sprintf("Expression of %s",gene),
7          xlab = group,
8          color = group, 
9          palette = "nejm",
10          add = "jitter")
11p + stat_compare_means(aes(group = group))
12}
1gene_box(gene="CCL14")


image.png

牛刀小试

1gene_box(gene="CCL16",group="PAM50")


image.png

批量绘制

• 目的功能：绘制任意基因，任意分组，批量绘制一气呵成了

• 封装函数+lapply批量绘制无敌

• 在lapply中的函数参数设置，不在原函数中，而是直接放置在lapply中

• do.call中参数1为函数，+c()包含原函数的参数设置，同样参数设置不在原函数中

1require(gridExtra)
2head(data)
3
4## 需要批量绘制的基因名
5name<-colnames(data)[3:6]
6## 批量绘图
7p<-lapply(name,gene_box,group = "T_stage")
8## 组图
9do.call(grid.arrange,c(p,ncol=2))


image.png