R繪圖(3): 散點圖新增文字註釋

TOP生物資訊發表於2021-03-08
繪圖

這裡以火山圖為例進行說明，在轉錄組分析中，火山圖是很常見的一類圖，縱軸表示p_value，橫軸表示log (fold change)。單一的散點圖繪製很簡單，火山圖比較難處理的地方就是一些基因的註釋，基因越多，加文字註釋越困難，因為文字會堆在一起，看不清。
示例資料df1是轉錄組做差異表達後的部分結果，df2將logFC絕對值大於0.3的挑出來了。

> head(df1)
         p_val avg_logFC class   gene      cd avg_logFC_new2 p_val_new
1 1.628043e-43 0.4804759   P2L    PI3 P2L_0.3     -0.4804759  42.78833
2 1.131599e-88 0.4565683   P2L   ZG16 P2L_0.3     -0.4565683  87.94631
3 7.342746e-58 0.4192149   P2L   XIST P2L_0.3     -0.4192149  57.13414
4 1.728085e-28 0.4113532   P2L    FN1 P2L_0.3     -0.4113532  27.76243
5 1.288611e-33 0.4100842   P2L   PIGR P2L_0.3     -0.4100842  32.88988
6 6.647279e-14 0.4035325   P2L HSPA1A P2L_0.3     -0.4035325  13.17736

df2=df1%>%filter(abs(avg_logFC_new2) > 0.3)

先看一下，沒加文字的圖

p <- ggplot(data = df1,aes(x = avg_logFC_new2, y = p_val_new)) + 
  geom_point(aes(colour = cd,size = abs(avg_logFC_new2)),alpha=0.9) +
  scale_color_manual(values=c("P2L_0.3" = "#80B1D3","else" = "grey","L2P_0.3" = "#FB8072"))+
  scale_x_continuous("avg_logFC",limits = c(-0.6,0.6),breaks = seq(-0.6,0.6,0.3),labels = seq(-0.6,0.6,0.3)) +
  scale_y_continuous("-log10 (p-value)")+
  geom_vline(xintercept=c(-0.3,0.3),lty=2,col="black",lwd=1) +
  theme_bw()+
  theme(
    legend.background=element_blank(), legend.key=element_blank(),
    legend.title = element_blank(),
    panel.grid.major = element_blank(),panel.grid.minor = element_blank()
  )
p
ggsave("tmp0.pdf",width = 22, height = 20, units = c("cm"))

file

接下來用ggplot2裡面的geom_text新增文字，另建一個圖層，在新圖層中指定data和mapping，需要注意的是，新圖層裡面沒有指定x和y，則會延用之前圖層的x和y，也就是前面的x = avg_logFC_new2, y = p_val_new

p+geom_text(data=df2,mapping = aes(label=gene))
ggsave("tmp1.pdf",width = 22, height = 20, units = c("cm"))

file

這張圖存在兩個問題：文字直接蓋在點上，遮住了點；文字相互重疊。
再看一下ggplot2的另一個函式geom_label

p+geom_label(aes(label=gene),df2,alpha=0,nudge_y = 3)
#alpha=0讓文字框的背景透明，讓點顯露出來；nudge_y把註釋框上移
ggsave("tmp2.pdf",width = 22, height = 20, units = c("cm"))

file

可以看到，文字框還是重疊...
這裡介紹一下我用的另一個R包ggrepel，它就是解決這個問題的

p+ggrepel::geom_text_repel(
  aes(label=gene),df2
  )
ggsave("tmp3.pdf",width = 22, height = 20, units = c("cm"))

file

這個圖裡面重疊問題已經解決了，文字靠在點的旁邊，且文字不重疊，太密集的區域有線段指向。不過大部分沒有線段指向，如果點與點，文字與文字比較近，還是無法肉眼區分，最好再多加一些線段來指向。可以調整一下幾個padding引數，如下：

p+ggrepel::geom_text_repel(
  aes(label=gene,color=cd),df2,
  size = 4, #註釋文字的字型大小
  box.padding = 0.5, #字到點的距離
  point.padding = 0.8, #字到點的距離，點周圍的空白寬度
  min.segment.length = 0.5, #短線段可以省略
  segment.color = "black", #segment.colour = NA, 不顯示線段
  show.legend = F)
ggsave("tmp4.pdf",width = 22, height = 20, units = c("cm"))

file

到這兒，文字註釋算加完了，線段的方向還不是很滿意，有些雜亂文章。
這個包裡面的另一個函式geom_label_repel，可以加文字框，引數和geom_text_repel類似，

p+ggrepel::geom_label_repel(
  aes(label=gene),df2
  )
ggsave("tmp5.pdf",width = 22, height = 20, units = c("cm"))

file

需要注意的是，文字框會遮住點，調節alpha引數的話，會同時改變文字框背景和文字的透明度，這個和ggplot2裡面geom_label的alpha引數不太一樣。

因水平有限，有錯誤的地方，歡迎批評指正！

相關文章