數據可視化是將數據直觀展示出來的一個必不可少的步驟。ggplot2是一個非常常見的繪圖R包，在文獻中，我們常常會看見用漂亮箱線圖來展示原始數據的分布。這里我們就用一個基因表達水平的例子來展示用R包繪圖神器ggplot2繪制的過程吧！
Step1：數據的預處理
這里我們利用GEO中單細胞RNA測序數據來練練手。
數據來源：
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE128147
在R中讀取這個數據：
counts = read.table("~/Downloads/GSE128147_raw_counts_w_ercc.txt", header = TRUE)
dim(counts)
[1] 23512 193
這里數據一共有193個細胞，通常我們有某種研究目的時，需要看某幾類細胞的表達情況，那么根據細胞名或其他指標將它們區分開。
由于這里僅為了學習如何作圖，那么為了方便，只取幾種基因，并將這些細胞按照順序粗暴地分為3組，每組64個，每組分別命名為CellType1, CellType2, CellType3，計算每個基因在各類細胞中的表達水平（求和），并整理成一個數據框，變量名為expres。整理代碼如下：
## 將原始數據截取出左、中、右三段
type1 = counts[,1:65]
type2 = counts[,c(1,66:129)]
type3 = counts[,c(1,130:193)]
## 將每個基因在每種細胞內的表達量求和，并將結果添加到數據框中
type1 = within(type1,{sum.of.expression = rowSums(type1[-1])})
type2 = within(type2,{sum.of.expression = rowSums(type2[-1])})
type3 = within(type3,{sum.of.expression = rowSums(type3[-1])})
## 只取出第1列基因名與最后一列表達水平之和
type1 = type1[,c(1,66)]
type2 = type2[,c(1,66)]
type3 = type3[,c(1,66)]
## 將三個向量合并為一個數據框
expres = data.frame(Gene = type1[,1],
CellType1 = type1[,2],
CellType2 = type2[,2],
CellType3 = type3[,2])
> head(expres)
Gene CellType1 CellType2 CellType3
1 Xkr4 0 0 0
2 Rp1 0 1249 4
3 Sox17 0 0 0
4 Mrpl15 12 2172 1483
5 Lypla1 268 1956 2235
6 Tcea1 206 508 1443
將數據變形，利于后續作圖。
library(reshape2)
expres.melt = melt(expres, value.name = "Counts")
# Using Gene as id variables
# ggplot2常用melt型數據
expres.melt = subset(expres.melt, Counts > 300 & Counts < 10000)
# 篩選掉一些表達量過少和過多的基因
expres.melt$Counts = log(expres.melt$Counts)
#由于表達量絕對值差距太大，因此用對數將數據標準化
head(expres.melt)
Gene variable Counts
8 Atp6v1h CellType1 6.967909
11 Rb1cc1 CellType1 7.502186
14 Pcmtd1 CellType1 5.910797
16 Rrs1 CellType1 7.092574
21 Vcpip1 CellType1 8.051978
30 Arfgef1 CellType1 7.686621
Step2：繪制箱線圖
1. 畫一個基礎的箱線圖：geom_boxplot()
library(ggplot2)
ggplot(expres.melt, aes(x=variable,y=Counts)) +
geom_boxplot(aes(fill=variable))
- expres.melt即我們的數據；
- aes(x = 橫坐標向量, y = 縱坐標向量)；
- geom_boxplot 箱線圖；
- fill=variable 按照variable類型來填充顏色。
2. 更改坐標軸標題、圖片標題與圖例標題：labs()
在剛才的基礎上我們想要將圖的橫坐標、縱坐標以及圖的標題進行修改，那么可以使用labs()函數在之前的代碼后面進行添加。
ggplot(expres.melt, aes(x=variable,y=Counts)) +
geom_boxplot(aes(fill=variable)) +
labs(title="Expression Level of 3 Types of Cells",
x="Cell Type", y = "Counts/(log)", fill = "Cell Type") # fill為修改圖例標題
3. 圖例的設置：theme()
圖例標題的修改比較特殊，不能再用labs了，而是用theme()，同時theme()這個函數還能設置圖例的標題的字體、顏色、大小。也能修改總標題的位置。
ggplot(expres.melt, aes(x=variable,y=Counts)) +
geom_boxplot(aes(fill=variable)) +
labs(title="Expression Level of 3 Types of Cells",
x="Cell Type", y = "Counts/(log)", fill = "Cell Type") +
theme(plot.title = element_text(hjust = 0.5), # 將圖表標題居中
legend.title=element_text(face="italic", # 圖例標題改為斜體
family="Times", # 圖例標題字體調為Times
colour="red")) # 圖例標題顏色改為紅色
4.將箱線圖轉置：coord_flip()
有時候如果數據類型比較多，為了排版方便，可能需要將箱線圖轉置，這種情況下怎么處理呢？
ggplot(expres.melt, aes(x=variable,y=Counts)) +
geom_boxplot(aes(fill=variable)) +
labs(title="Expression Level of 3 Types of Cells",
x="Cell Type", y = "Counts/(log)",
fill = "Cell Type") +
theme(plot.title = element_text(hjust = 0.5) +
coord_flip()
圖形就橫過來了。
5.將背景變為白色：theme_bw()
背景的顏色也可以進行修改，這樣一來做PPT上組會匯報時白色背景顯得更為學術和美觀。
ggplot(expres.melt, aes(x=variable,y=Counts)) +
geom_boxplot(aes(fill=variable)) +
labs(title="Expression Level of 3 Types of Cells",
x="Cell Type", y = "Counts/(log)",
fill = "Cell Type") +
theme_bw()
除了這些，其實還有許多的功能可以疊加，如增加數據點可疊加散點+geom_dotplot，標注異常值可利用outlier，代碼示例：
ggplot(expres.melt, aes(x=variable,y=Counts)) +
geom_boxplot(aes(fill=variable),
outlier.colour="red",
outlier.shape=8,
outlier.size=4)
但由于數據本身的原因不含異常值，因此顯示不出來，代碼貼出來供學習使用。
文章已發布到微信公眾號：百味科研芝士，歡迎關注。
