论文
Graph pangenome captures missing heritability and empowers tomato breeding
https://www.nature.com/articles/s41586-022-04808-9#MOESM8
没有找到论文里的作图的代码，但是找到了部分组图数据，我们可以用论文中提供的原始数据模仿出论文中的图
今天的推文重复一下论文中的Figure2a
image.png
主要知识点
如何在山脊图上添加辅助线
另外一个知识点是如何把图例放到整个图的左下角
部分示例数据截图
image.png
读取数据
library(readxl)
dat.fig2a<-read_excel("data/20220711/41586_2022_4808_MOESM6_ESM.xlsx",
sheet = "Fig2a",
skip = 1)
数据转换为长格式
library(tidyverse)
library(stringr)
reshape2::melt(dat.fig2a) %>%
select(variable,value) %>%
mutate(new_col01 = str_split_fixed(variable,'_',2)[,1],
new_col02 = str_split_fixed(variable,'_',2)[,2]) -> new.df
这里还有一个知识点是 指定分隔符拆分字符串函数 str_split_fixed()可以指定拆分成多少个
赋予因子水平
new.df$new_col02<-factor(new.df$new_col02,
levels = c("snps","indels","svs",
"snps_indels","snps_indels_svs"))
基本作图代码
ggplot(data=new.df,aes(x=value,y=new_col02))+
geom_density_ridges(aes(fill=new_col01,color=new_col01),
alpha=0.4,
bandwidth=0.04,
quantile_lines=TRUE,
quantile_fun=function(x,...)mean(x),
#linetype="dashed",
scale=1,
vline_linetype="dashed")+
scale_fill_manual(values = c("graph"="#ca612d",
"linear"="#2772a7"))+
scale_color_manual(values = c("graph"="#ca612d",
"linear"="#2772a7"))+
theme_classic() +
guides(fill="none",color="none") -> p1
p1
image.png
这里有一个问题是辅助线的位置是在平均值，这里通过一个求平均值的函数实现，如果是任意数值应该怎么做暂时想不到方法
添加文本
new.df %>%
group_by(new_col01,new_col02) %>%
summarise(mean_value=mean(value)) %>%
ungroup() %>%
mutate(new_col02 = fct_relevel(new_col02,
c("snps","indels","svs",
"snps_indels","snps_indels_svs"))) %>%
mutate(new_col03=as.numeric(new_col02)) -> new.df01
p1+
scale_y_discrete(labels=c("SNP","Indel","SV","SNP + Indel","SNP + Indel + SV"))
geom_text(data=new.df01 %>% filter(new_col01=="graph"),
aes(y=new_col03+0.1,x=mean_value,
label=round(mean_value,2)),
hjust=-0.5,color="#ca612d")+
geom_text(data=new.df01 %>% filter(new_col01=="linear"),
aes(y=new_col03+0.1,x=mean_value,
label=round(mean_value,2)),
hjust=1.5,color="#2772a7")
绘制图例
ggplot(data=new.df,aes(x=value,y=new_col02))+
geom_density_ridges(aes(fill=new_col01,color=new_col01),
alpha=0.4)+
scale_fill_manual(values = c("graph"="#ca612d",
"linear"="#2772a7"),
name="",
label=c("TGG1.1-332","SL5.0-332"))+
guides(color="none")-> p2
library(ggpubr)
as_ggplot(get_legend(p2)) -> p3
将图例和图组合到一起
library(latex2exp)
pdf(file = "Rplot13.pdf",
width=9.4,height = 4)
p1+
scale_y_discrete(labels=c("SNP","Indel","SV","SNP + Indel",
"SNP + Indel + SV"))+
geom_text(data=new.df01 %>% filter(new_col01=="graph"),
aes(y=new_col03+0.1,x=mean_value,
label=round(mean_value,2)),
hjust=-0.5,color="#ca612d")+
geom_text(data=new.df01 %>% filter(new_col01=="linear"),
aes(y=new_col03+0.1,x=mean_value,
label=round(mean_value,2)),
hjust=1.5,color="#2772a7")+
labs(x=TeX(r"(\textit{h}$^2$)"),y="")+
annotation_custom(grob=ggplotGrob(p3),
xmin=-0.35,xmax = -0.35,ymin = 1,ymax = 1)+
coord_cartesian(clip="on")+
theme(plot.margin = unit(c(0.1,0.1,0.1,1),'cm'))+
annotate(geom = "text",
x=0.8,y=1.5,
label=TeX(r"(\textit{P} = 1.70 \times 10$^{-217}$)"),
vjust=-0.5)
dev.off()
image.png
示例数据和代码可以自己到论文中获取，或者给本篇推文点赞，点击在看，然后留言获取
欢迎大家关注我的公众号
小明的数据分析笔记本
小明的数据分析笔记本 公众号 主要分享：1、R语言和python做数据分析和数据可视化的简单小例子；2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记；3、生物信息学入门学习资料及自己的学习笔记！
