自學(xué)R語言（十六）-相關(guān)性分析和具體基因也組別之間的相關(guān)性熱圖的繪制

迷途中小小書童 2019-04-24

展開全文

這幅圖的緣起至少一個月以前了，在easychart的群里反反復(fù)復(fù)被提及過很多次，一直想嘗試解決這個圖，一直各種拖延。上周三左右開始動手，周天出圖，持續(xù)了四天，如此之低效率主要不是在畫這幅圖上，而是我用了最傻的box()函數(shù)去測試corrplot包的相關(guān)系數(shù)圖的繪圖區(qū)域，當(dāng)發(fā)現(xiàn)沒有框住全部繪圖區(qū)域的時候，自以為是的認(rèn)為原作者定義繪圖區(qū)域的時候用了什么黑科技，導(dǎo)致我不能準(zhǔn)確定位圖中的每個點的坐標(biāo)。這時，我沒有仔細(xì)的去閱讀源代碼，而是選擇了自己造個類似的“假輪子”，然后再用這個輪子添加圖中的其它元素?！凹佥喿印痹炝藘商欤局噩F(xiàn)了corrplot包中的相關(guān)系數(shù)熱圖，問題也解決了，一個偶然的機會想起問下原包作者魏大佬怎么定義坐標(biāo)的，他讓我用text(1:n, 1:n, 1:n)測試下，這才恍然大悟我前面的方法多么愚蠢。

原圖結(jié)構(gòu)

畫比較復(fù)雜的圖之前，要嘗試圖分解成比較簡單的塊，然后分別繪制。從原圖我們很容易發(fā)現(xiàn)，主要有三部分：右上角是類似于corrplot包中的上三角相關(guān)系數(shù)圖；下三角是一組點之間的連接線（作者用了弧線，直線也能達(dá)到同樣的效果）；剩余部分主要是圖例等其它輔助繪圖元素。接下來將分別討論如何繪制這些元素。

相關(guān)系數(shù)圖

原圖的上三角部分主要是調(diào)用corrplot包中的corrplot()函數(shù)進(jìn)行繪制，原包是基于基礎(chǔ)繪圖系統(tǒng)開發(fā)，能滿足多樣需求，詳細(xì)了解該包用法可以查看vignette("corrplot-intro")。畫這幅圖還有個棘手的問題是沒有原始數(shù)據(jù)，我自己也不懂相關(guān)模型，只能根據(jù)圖的樣子用R自帶數(shù)據(jù)集mtcars進(jìn)行測試。

第一步非常簡單，method = 'square'表示使用正方形符號或者"circle"表示使用圓形的符號，type = 'upper'表示只畫上三角區(qū)域， "lower"表示顯示右下角部分，"full"表示顯示全部的相關(guān)性熱點圖。除此之外的其它參數(shù)幾乎不用管

library(corrplot)par(omi = c(0.3, 0.3, 0.3, 0.3),    cex = 1.2,    family = 'Arial') # windows系統(tǒng)可能需要安裝其他字體包M <- cor(mtcars) #以mtcars這個已有的數(shù)據(jù)為例，計算相關(guān)系數(shù)矩陣

corrplot(M, method = "pie", type = 'upper') #使用corrplot包繪制相關(guān)系數(shù)熱點圖，符號使用圓形的，只顯示右上部分

mpg cyl disp hp drat wt

mpg 1.0000000 -0.8521620 -0.8475514 -0.7761684 0.68117191 -0.8676594

cyl -0.8521620 1.0000000 0.9020329 0.8324475 -0.69993811 0.7824958

disp -0.8475514 0.9020329 1.0000000 0.7909486 -0.71021393 0.8879799

hp -0.7761684 0.8324475 0.7909486 1.0000000 -0.44875912 0.6587479

drat 0.6811719 -0.6999381 -0.7102139 -0.4487591 1.00000000 -0.7124406

wt -0.8676594 0.7824958 0.8879799 0.6587479 -0.71244065 1.0000000

qsec 0.4186840 -0.5912421 -0.4336979 -0.7082234 0.09120476 -0.1747159

vs 0.6640389 -0.8108118 -0.7104159 -0.7230967 0.44027846 -0.5549157

am 0.5998324 -0.5226070 -0.5912270 -0.2432043 0.71271113 -0.6924953

gear 0.4802848 -0.4926866 -0.5555692 -0.1257043 0.69961013 -0.5832870

carb -0.5509251 0.5269883 0.3949769 0.7498125 -0.09078980 0.4276059

qsec vs am gear carb

mpg 0.41868403 0.6640389 0.59983243 0.4802848 -0.55092507

cyl -0.59124207 -0.8108118 -0.52260705 -0.4926866 0.52698829

disp -0.43369788 -0.7104159 -0.59122704 -0.5555692 0.39497686

hp -0.70822339 -0.7230967 -0.24320426 -0.1257043 0.74981247

drat 0.09120476 0.4402785 0.71271113 0.6996101 -0.09078980

wt -0.17471588 -0.5549157 -0.69249526 -0.5832870 0.42760594

qsec 1.00000000 0.7445354 -0.22986086 -0.2126822 -0.65624923

vs 0.74453544 1.0000000 0.16834512 0.2060233 -0.56960714

am -0.22986086 0.1683451 1.00000000 0.7940588 0.05753435

gear -0.21268223 0.2060233 0.79405876 1.0000000 0.27407284

carb -0.65624923 -0.5696071 0.05753435 0.2740728 1.00000000

連接線

沒有原始數(shù)據(jù)，我隨便模擬生成了三組，分別是“Group01”、“Group02”和“Group03”，因為每組都要和每個變量連線，所以線條的數(shù)量是組數(shù)和相關(guān)系數(shù)矩陣行數(shù)的乘機（這里是3*11 = 33個）。

R語言本質(zhì)是向量化的，基礎(chǔ)繪圖函數(shù)也基本支持使用向量作為位置、點的形狀、大小、顏色、線條類型、寬度顏色等的參數(shù)值。所以我們數(shù)據(jù)處理部分將相關(guān)參數(shù)的值統(tǒng)一整理到數(shù)據(jù)框中，方便后面調(diào)用。

library(dplyr)library(corrplot)# 準(zhǔn)備數(shù)據(jù)，這一部分的數(shù)據(jù)在實際應(yīng)用中應(yīng)該是自己計算各個組別與具體某幾個基因的相關(guān)性包括p值和r值去表征相關(guān)性
set.seed(20190420)n <- ncol(mtcars)grp <- c('Group01', 'Group02', 'Group03') # 分組名稱sp <- c(rep(0.0008, 6), rep(0.007, 2), rep(0.03, 3), rep(0.13, 22)) # P值gx <- c(-4.5, -2.5, 1) # 分組的X坐標(biāo)gy <- c(n-1, n-5, 2.5) # 分組的Y坐標(biāo)df <- data.frame(  grp = rep(grp, each = n), # 分組名稱，每個重復(fù)n次  gx = rep(gx, each = n), # 組X坐標(biāo)，每個重復(fù)n次  gy = rep(gy, each = n), # 組Y坐標(biāo)，每個重復(fù)n次  x = rep(0:(n - 1) - 0.5, 3), # 變量連接點X坐標(biāo)  y = rep(n:1, 3), # 變量連接點Y坐標(biāo)  p = sample(sp), # 對人工生成p值進(jìn)行隨機抽樣  r = sample(c(rep(0.8, 4), rep(0.31, 7), rep(0.12, 22)))   # 對人工生成r值進(jìn)行隨機抽樣) #以上數(shù)據(jù)中的P值和r值本質(zhì)是根據(jù)具體的實際實驗當(dāng)中的數(shù)據(jù)進(jìn)行計算得到的具有意義的數(shù)值，所以在以后的具體實戰(zhàn)中，只需要修改p值和r即可，gx，gy，x，y代表的是連接線的線段的初始點和終點不用調(diào)整

# 這一部分代碼是按照原圖圖例說明處理線條寬度和顏色映射df <- df %>% #此處使用的是dplyr包中的管道符將df傳遞給下一個分析函數(shù)作為輸入值。
  mutate( #此處使用的plyr包的mutate函數(shù)在原有數(shù)據(jù)框的基礎(chǔ)上，對已有數(shù)據(jù)進(jìn)行匯總，并且添加至新的列，以便于下游繪制不同p值和不同r值得線條顏色和線條粗細(xì)使用。    lcol = ifelse(p <= 0.001, '#1B9E77', NA), #使用ifelse函數(shù)根據(jù)p值和r值對線條的粗細(xì)和顏色進(jìn)行因子化處理，并且添加至新的列便于下游分析使用。    # p值小于0.001時，顏色為綠色，下面依次類推    lcol = ifelse(p > 0.001 & p <= 0.01, '#88419D', lcol),    lcol = ifelse(p > 0.01 & p <= 0.05, '#A6D854', lcol),    lcol = ifelse(p > 0.05, '#B3B3B3', lcol),    lwd = ifelse(r >= 0.5, 14, NA),    # r >= 0.5 時，線性寬度為14，下面依次類推    lwd = ifelse(r >= 0.25 & r < 0.5, 7, lwd),    lwd = ifelse(r < 0.25, 1, lwd)  )

經(jīng)過匯總，和處理之后就會得到如下的數(shù)據(jù)框，方便我們接下來繪制連接線

X grp gx gy x y p r lcol lwd

1 Group01 -4.5 10.0 -1 11 0.0070 0.12 #88419D 2

2 Group01 -4.5 10.0 0 10 0.0008 0.12 #1B9E77 2

3 Group01 -4.5 10.0 1 9 0.0008 0.12 #1B9E77 2

4 Group01 -4.5 10.0 2 8 0.0008 0.12 #1B9E77 2

5 Group01 -4.5 10.0 3 7 0.1300 0.12 #B3B3B3 2

6 Group01 -4.5 10.0 4 6 0.0240 0.80 #A6D854 11

7 Group01 -4.5 10.0 5 5 0.1300 0.12 #B3B3B3 2

8 Group01 -4.5 10.0 6 4 0.0008 0.12 #1B9E77 2

9 Group01 -4.5 10.0 7 3 0.1300 0.31 #B3B3B3 6

10 Group01 -4.5 10.0 8 2 0.0260 0.12 #A6D854 2

11 Group01 -4.5 10.0 9 1 0.3400 0.31 #B3B3B3 6

12 Group02 -2.5 6.0 -1 11 0.0360 0.12 #A6D854 2

13 Group02 -2.5 6.0 0 10 0.0580 0.12 #B3B3B3 2

14 Group02 -2.5 6.0 1 9 0.1300 0.12 #B3B3B3 2

15 Group02 -2.5 6.0 2 8 0.0070 0.12 #88419D 2

16 Group02 -2.5 6.0 3 7 0.1300 0.12 #B3B3B3 2

17 Group02 -2.5 6.0 4 6 0.1300 0.80 #B3B3B3 11

18 Group02 -2.5 6.0 5 5 0.1300 0.80 #B3B3B3 11

19 Group02 -2.5 6.0 6 4 0.0008 0.80 #1B9E77 11

20 Group02 -2.5 6.0 7 3 0.1300 0.12 #B3B3B3 2

21 Group02 -2.5 6.0 8 2 0.0240 0.12 #A6D854 2

22 Group02 -2.5 6.0 9 1 0.0150 0.31 #A6D854 6

23 Group03 1.0 2.5 -1 11 0.1300 0.31 #B3B3B3 6

24 Group03 1.0 2.5 0 10 0.1300 0.31 #B3B3B3 6

25 Group03 1.0 2.5 1 9 0.0300 0.12 #A6D854 2

26 Group03 1.0 2.5 2 8 0.0300 0.12 #A6D854 2

27 Group03 1.0 2.5 3 7 0.0008 0.31 #1B9E77 6

28 Group03 1.0 2.5 4 6 0.1300 0.12 #B3B3B3 2

29 Group03 1.0 2.5 5 5 0.1300 0.12 #B3B3B3 2

30 Group03 1.0 2.5 6 4 0.0025 0.31 #88419D 6

31 Group03 1.0 2.5 7 3 0.0260 0.12 #A6D854 2

32 Group03 1.0 2.5 8 2 0.1300 0.12 #B3B3B3 2

33 Group03 1.0 2.5 9 1 0.0140 0.12 #A6D854 2

可以發(fā)現(xiàn)，把每個圖形元素及其屬性參數(shù)整理成一個數(shù)據(jù)框，畫圖過程簡單很多。很多時候我們覺得基礎(chǔ)繪圖系統(tǒng)很復(fù)雜，一個簡單的圖可能需要很長的代碼才能解決，其實也和我們沒有很好的利用R向量化運算的特點，沒有去尋找最簡潔的方案有關(guān)系。

segments(df$gx, df$gy, df$x, df$y, lty = 'solid', lwd = df$lwd,          col = df$lcol, xpd = TRUE) # 使用segments函數(shù)繪制連接線，df$gx, df$gy表示線段的起點，df$x, df$y表示線段的終點。points(df$gx, df$gy, pch = 24, col = 'blue', bg = 'blue', cex = 3, xpd = TRUE) # 組標(biāo)記點，繪制每個組的標(biāo)記點。df$gx, df$
gy表示組標(biāo)記點的坐標(biāo)，pch表示標(biāo)記點的符號類型，24表示三角形，text(df$gx - 0.5, df$gy, labels = df$grp, adj = c(1, 0.5), cex = 1.5, xpd = TRUE)# 表示每個組的名稱，首先限定名稱的顯示位置，然后就是顯示內(nèi)容。

添加連接線之后的圖片

添加標(biāo)記點之后的圖片

這一部分主要在前面基礎(chǔ)圖的基礎(chǔ)上確定每個元素標(biāo)記位置，出圖之后根據(jù)細(xì)節(jié)進(jìn)行微調(diào)，沒有太多復(fù)雜的內(nèi)容。

labels01 <- c('<= 0.001','0.001 < x <= 0.01','0.01 < x <= 0.05','> 0.05')labels02 <- c('>= 0.5', '0.25 - 0.5', '< 0.25')labels_x <- rep(-6, 4)labels_y <- seq(4.6, 2.6, length.out = 4)text(-6.5, 5.2, 'P-value', adj = c(0, 0.5), cex = 1.2, font = 2, xpd = TRUE)text(labels_x, labels_y, labels01, adj = c(0, 0.5), cex = 1.2, xpd = TRUE)points(labels_x - 0.5, labels_y, pch = 20, col = c('#1B9E77', '#88419D','#A6D854', '#B3B3B3'),       cex = 3, xpd = TRUE)lines_x <- c(-6.5, -3, 0.5)lines_y <- rep(1.2, 3)text(-6.5, 1.9, "Mantel's r", adj = c(0, 0.5), cex = 1.2, font = 2, xpd = TRUE)text(lines_x + 1.5, lines_y, labels02, adj = c(0, 0.5), cex = 1.2, xpd = TRUE)segments(lines_x, lines_y, lines_x + 1, lines_y, lwd = c(14, 7, 2.5), lty = 'solid',          col = '#B3B3B3', xpd = TRUE)
## 圖例框框，這一部分就是繪制圖注信息外面框，本質(zhì)就是一條線段一條線段的拼接起來的，嚴(yán)格按照坐標(biāo)信息標(biāo)記即可。segments(-6.9, 5.6, -2.8, 5.6, lty = 'solid', lwd = 1.2,          col = 'grey50', xpd = TRUE)segments(-2.8, 5.6, -2.8, 1.8, lty = 'solid', lwd = 1.2,          col = 'grey50', xpd = TRUE)segments(-2.8, 1.8, 3.6, 1.8, lty = 'solid', lwd = 1.2,          col = 'grey50', xpd = TRUE)segments(3.6, 1.8, 3.6, 0.7, lty = 'solid', lwd = 1.2,          col = 'grey50', xpd = TRUE)segments(3.6, 0.7, -6.9, 0.7, lty = 'solid', lwd = 1.2,          col = 'grey50', xpd = TRUE)segments(-6.9, 0.7, -6.9, 5.6, lty = 'solid', lwd = 1.2,          col = 'grey50', xpd = TRUE)