R & ggplot2 & Excel绘图（直方图/经验分布图/QQ图/茎叶图/箱线图）实例

持续更新~

---

散点图

条形图

文氏图

饼图

盒型图

频率直方图

热图

PCA图

3D图

火山图

分面图

分面制作小多组图

地图

 

 

练习数据：

year count china Ame jap
'12 2.800000 1.500000 4.500000 2.500000
'13 2.941956 1.587559 5.342547 2.814862
'14 3.508838 1.648075 5.429438 2.701108
'15 4.011208 1.533966 5.419301 2.660671
'16 4.341734 1.634622 5.075504 2.925912

 

想研究某现象的分子机制，老板豪气的来一句，先测个转录组吧，看下差异表达基因。

是否在心里窃喜，制个样就完事了，太easy有木有。等大堆数据回来的时候，是不是傻眼了？

从何下手挑选差异表达基因呢？
今天就先来聊聊如何看差异表达基因数据，火山图，聚类图又怎么看。1差异基因筛选方法那差异基因是如何筛选出来的呢？差异基因的筛选方法有很多，包括倍数法、T检验、F检验及SAM等。
下面简单介绍一下GCBI平台上用的倍数法和SAM法。
倍数法适用于没有生物学重复的样本，其计算基因在两个条件下表达水平的比值，确定比值的阈值，将绝对值大于此阈值的基因判断为差异基因。
SAM算法适用于有生物学重复的样本，通过对分母增加一个常量 T 检验过程减小了假阳性发生的概率。文献中报道，相较于其他算法，SAM算法更为稳定，筛选出的结果也更为准确。2差异基因数据解读经过合适的差异基因方法筛选出的差异基因，结果一般分为两部分，数据+图形。
数据结果展示如下图所示（两分组）众多参数中，重点看三个。

p-value或q-value

没有做生物学重复请跳过这一步。
p-value或q-value是统计学检验变量，代表差异显著性，一般p-value或q-value小于0.05代表具有显著性差异，但可根据具体情况适当调整。
因为p-value或q-value衡量地是某个基因假阳性的概率，如果p-value或q-value越低，那么挑选该基因出现假阳性的概率就越低，可验证性就越高。
两者具体的计算方法具体如下：那p-value、q-value同时存在时看哪个呢？

SAM法只有q-value。当两者同时存在时，可根据具体情况具体分析。
差异筛选是一个典型的多重假设检验过程，对于多重假设检验，单次检验中差异显著基因的假阳性率(p-value较小)可能会较大，而q-value和FDR值较常见的BH校正方法得到的FDR值而言，改进了其对假阳性估计的保守性。
即q-value相比于p-value更加严格，当差异基因结果较少时，可以退而求其次看p-value。Fold ChangeFold Change表示实验组比上对照组的差异表达倍数，一般表达相差2倍以上是有意义的，放宽要求1.5倍或者1.2倍也可以接受。
看表达倍数的同时还需结合基因表达丰度，信号值太低的基因会在后续的验证实验中检测不到。3差异基因图表解读在差异结果的图形展示结果中，主要是火山图和聚类图。火山图火山图只针对两分组且有生物学重复的情况。
如何看火山图呢？

火山图可反映总体基因的表达情况，横坐标代表log2（Fold Change）,纵坐标表示-log10（P值），每个点代表一个基因，颜色用以区分基因是否差异表达，图中橙色的点代表差异表达基因，蓝色的点代表没有差异表达的基因。聚类图

聚类图可以衡量样本或基因之间表达的相似性。
如上图所示的聚类图中，横坐标代表样本聚类，一列代表一个样本，聚类基于样本间基因表达的相似性，样本间基因表达越接近，靠的越近，以此类推。
纵坐标代表基因聚类，一行代表一个基因，聚类基于基因在样本中表达的相似性，基因在样本中表达越接近，靠的越近，以此类推。
色阶代表基因表达丰度，越红代表上调得越明显，越绿代表下调得越明显。
如何做聚类图请戳往期推送

做个聚类图只需1分钟
差异基因有了，如何挑选潜在基因进行实验验证呢？
关键还在于感兴趣点在哪了。粗略的看，可以先看KEGG或者GO功能分类，看差异基因具体富集在哪些通路或功能。
比如关注的是细胞内脂肪酸合成关键酶，可以重点看脂肪酸合成和碳流相关通路。具体如何看KEGG或者GO功能分类，请听下回分解。

 

参考资料：微信搜ggplot会有很多案例

关于统计图形的配色，看看这俩R包

R语言可视化——ggplot的theme订制

R笔记6：ggplot绘制商务图表--分面制作小多组图

R笔记：ggplot绘制商务图表--中国分省热力地图