表达矩阵可视化大全

2018-03-08 11:38:05 浏览数 (3)

貌代码被折叠了，大家需要阅读原文才能复制粘贴我代码在Rstudio里面直接运行，几分钟就可以学会15个图的制作！

basic visualization for expression matrix

jmzeng1314@163.com
March 14, 2017
  • 我的博客
  • 我们的论坛
  • 捐赠我

安装并加载必须的packages

如果你还没有安装，就运行下面的代码安装：

代码语言：javascript复制
BiocInstaller::biocLite('CLL')install.packages('corrplot')install.packages('gpairs')install.packages('vioplot')

如果你安装好了，就直接加载它们即可

代码语言：javascript复制
library(CLL)library(ggplot2)library(reshape2)library(gpairs)library(corrplot)

加载内置的测试数据：

代码语言：javascript复制
data(sCLLex)sCLLex=sCLLex[,1:8] ## 样本太多，我就取前面8个

group_list=sCLLex$DiseaseexprSet=exprs(sCLLex)head(exprSet)
代码语言：javascript复制
##           CLL11.CEL CLL12.CEL CLL13.CEL CLL14.CEL CLL15.CEL CLL16.CEL
## 1000_at    5.743132  6.219412  5.523328  5.340477  5.229904  4.920686
## 1001_at    2.285143  2.291229  2.287986  2.295313  2.662170  2.278040
## 1002_f_at  3.309294  3.318466  3.354423  3.327130  3.365113  3.568353
## 1003_s_at  1.085264  1.117288  1.084010  1.103217  1.074243  1.073097
## 1004_at    7.544884  7.671801  7.474025  7.152482  6.902932  7.368660
## 1005_at    5.083793  7.610593  7.631311  6.518594  5.059087  4.855161
##           CLL17.CEL CLL18.CEL
## 1000_at    5.325348  4.826131
## 1001_at    2.350796  2.325163
## 1002_f_at  3.502440  3.394410
## 1003_s_at  1.091264  1.076470
## 1004_at    6.456285  6.824862
## 1005_at    5.176975  4.874563
代码语言：javascript复制
group_list
代码语言：javascript复制
## [1] progres. stable   progres. progres. progres. progres. stable   stable  
## Levels: progres. stable

接下来进行一系列绘图操作

主要用到ggplot2这个包，需要把我们的宽矩阵用reshape2包变成长矩阵

代码语言：javascript复制
library(reshape2)exprSet_L=melt(exprSet)colnames(exprSet_L)=c('probe','sample','value')exprSet_L$group=rep(group_list,each=nrow(exprSet))head(exprSet_L)
代码语言：javascript复制
##       probe    sample    value    group
## 1   1000_at CLL11.CEL 5.743132 progres.
## 2   1001_at CLL11.CEL 2.285143 progres.
## 3 1002_f_at CLL11.CEL 3.309294 progres.
## 4 1003_s_at CLL11.CEL 1.085264 progres.
## 5   1004_at CLL11.CEL 7.544884 progres.
## 6   1005_at CLL11.CEL 5.083793 progres.

boxplot

代码语言：javascript复制
p=ggplot(exprSet_L,aes(x=sample,y=value,fill=group)) geom_boxplot()print(p)

vioplot

代码语言：javascript复制
#library(vioplot)#?vioplot#vioplot(exprSet)#do.call(vioplot,c(unname(exprSet),col='red',drawRect=FALSE,names=list(names(exprSet))))p=ggplot(exprSet_L,aes(x=sample,y=value,fill=group)) geom_violin()print(p)

histogram

代码语言：javascript复制
p=ggplot(exprSet_L,aes(value,fill=group)) geom_histogram(bins = 200) facet_wrap(~sample, nrow = 4)print(p)

density

代码语言：javascript复制
p=ggplot(exprSet_L,aes(value,col=group)) geom_density() facet_wrap(~sample, nrow = 4)print(p)
代码语言：javascript复制
p=ggplot(exprSet_L,aes(value,col=group)) geom_density() print(p)

gpairs

代码语言：javascript复制
library(gpairs)gpairs(exprSet
       #,upper.pars = list(scatter = 'stats') 
       #,lower.pars = list(scatter = 'corrgram')
       )

cluster

代码语言：javascript复制
out.dist=dist(t(exprSet),method='euclidean')out.hclust=hclust(out.dist,method='complete')plot(out.hclust)

PCA

代码语言：javascript复制
pc <- prcomp(t(exprSet),scale=TRUE)pcx=data.frame(pc$x)pcr=cbind(samples=rownames(pcx),group_list, pcx) p=ggplot(pcr, aes(PC1, PC2)) geom_point(size=5, aes(color=group_list))  
  geom_text(aes(label=samples),hjust=-0.1, vjust=-0.3)print(p)

heatmap

代码语言：javascript复制
choose_gene=names(sort(apply(exprSet, 1, mad),decreasing = T)[1:50])choose_matrix=exprSet[choose_gene,]choose_matrix=scale(choose_matrix)heatmap(choose_matrix)
代码语言：javascript复制
library(gplots)
代码语言：javascript复制
## 
## Attaching package: 'gplots'
代码语言：javascript复制
## The following object is masked from 'package:stats':
## 
##     lowess
代码语言：javascript复制
heatmap.2(choose_matrix)
代码语言：javascript复制
library(pheatmap)pheatmap(choose_matrix)

DEG && volcano plot

代码语言：javascript复制
library(limma)
代码语言：javascript复制
## 
## Attaching package: 'limma'
代码语言：javascript复制
## The following object is masked from 'package:BiocGenerics':
## 
##     plotMA
代码语言：javascript复制
design=model.matrix(~factor(group_list))fit=lmFit(exprSet,design)fit=eBayes(fit)DEG=topTable(fit,coef=2,n=Inf)with(DEG, plot(logFC, -log10(P.Value), pch=20, main="Volcano plot"))
代码语言：javascript复制
logFC_cutoff <- with(DEG,mean(abs( logFC))   2*sd(abs( logFC)) )DEG$change = as.factor(ifelse(DEG$P.Value < 0.05 & abs(DEG$logFC) > logFC_cutoff,                              ifelse(DEG$logFC > logFC_cutoff ,'UP','DOWN'),'NOT')
                       )this_tile <- paste0('Cutoff for logFC is ',round(logFC_cutoff,3),                    'nThe number of up gene is ',nrow(DEG[DEG$change =='UP',]) ,                    'nThe number of down gene is ',nrow(DEG[DEG$change =='DOWN',]))g = ggplot(data=DEG, aes(x=logFC, y=-log10(P.Value), color=change))  
  geom_point(alpha=0.4, size=1.75)  
  theme_set(theme_set(theme_bw(base_size=20))) 
  xlab("log2 fold change")   ylab("-log10 p-value")  
  ggtitle( this_tile  )   theme(plot.title = element_text(size=15,hjust = 0.5)) 
  scale_colour_manual(values = c('blue','black','red'))  ## corresponding to the levels(res$change)print(g)

ggplot画图是可以切换主题的

其实绘图有非常多的细节可以调整，还是略微有点繁琐的！

代码语言：javascript复制
p=ggplot(exprSet_L,aes(x=sample,y=value,fill=group)) geom_boxplot()print(p)
代码语言：javascript复制
p=p stat_summary(fun.y="mean",geom="point",shape=23,size=3,fill="red")p=p theme_set(theme_set(theme_bw(base_size=20)))p=p theme(text=element_text(face='bold'),axis.text.x=element_text(angle=30,hjust=1),axis.title=element_blank())print(p)

可以很明显看到，换了主题之后的图美观一些。

heatmap histogram matrix plot visualization

0 人点赞