生信分析-小提琴图绘制-脚本使用

小提琴图绘制
小提琴图(Violin plot)可以用来展示多组数据的分布状态以及概率密度,这种图表结合了箱线图和密度图的特征,常用于生信分析中。

例如:2021年发表在Briefings in Bioinformatics上的一篇影响因子为11.62的文献为例,该文献中大量运用了小提琴图来展示多组数据的分布状态、概率密度以及它们之间的差异。

小提琴图中我们不仅可以直观地了解数据的中位数、四分位数、异常值等信息,还可以进行差异分析,通过显著性P值来判断两组数据的差异程度。例如第一张图B中,作者将样本分为五组,绘制小提琴图展示了免疫相关预后评分(IRPS)在不同分组的分布状态,并通过显著性P值直观地说明了两两分组之间IRPS的差异。

attachments-2022-06-x6S8NjjG62a2f5bcab02b.png


为了使大家更简便快捷地绘制出精美的小提琴图,这里我们给大家提供一个绘制小提琴图的R脚本,这个脚本只需要准备好相应的输入文件,再进行简单的命令行操作即可绘制出两组或多组数据的小提琴图,并可在两两之间进行差异分析。

使用命令示例如下

#当分组数目为两组时,合适的标签高度需根据数据值的大小调试
Rscript compare_violin_boxplot.r -m metadata_gene.tsv \
    -n PDCD1 -g IRPS_group -s 2 -t wilcox.test -l 8 -o boxplot -p test

attachments-2022-06-b0tGw6zE62a2f604f301b.png

#当分组数目大于两组时,合适的标签高度需根据数据值的大小调试
Rscript /share/work/fangs/scripts/tcga/compare_violin_boxplot.r -m metadata_group.tsv \
    -n IRPS -g Subtype -s 5 -t kruskal.test \
    -f 31 -b 2 -l 50 -o boxplot -p IRPS

attachments-2022-06-yl0zdA5762a2f646285b7.png

输入文件准备

这个脚本所必需的输入文件只有一个,通过-m参数指定(metadata_group.tsv),文件中每一行为一个样本,列必须包含基因表达量等数值型数据以及样本的分组信息,如下列表格所示:

barcode
PDCD1
Subtype
TCGA-A8-A07B-01A-11R-A00Z-07
1.50899055035449
LumA
TCGA-A8-A08B-01A-11R-A00Z-07
2.078678925608
Her2
TCGA-A8-A08P-01A-11R-A00Z-07
2.91142321338723
LumB

更多脚本参数设置及说明

初次使用脚本时,可以通过-h参数获得以下帮助信息。

Rscript compare_violin_boxplot.r -h
usage: compare_violin_boxplot.r
       [-h] -m meta [-n name] [-g group_name] [-s group_num] [--log2]
       [-t method] [-f from] [-b by] [-l lab_height] [-H HEIGHT] [-W WIDTH]
       [-o OUTDIR] [-p PREFIX]

Difference comparison plot(violin_box)

optional arguments:
  -h, --help            show this help message and exit
  -m meta, --meta meta  Input the clinical information file path that contains
                        the grouping[required]
  -n name, --name name  The column name of the value[optional,default:IRPS]
  -g group_name, --group_name group_name
                        Specifies the column name that contains grouping
                        information[optional,default:TCGA_Subtype]
  -s group_num, --group_num group_num
                        Number of groups[optional,default:5]
  --log2                Whether to perform log2
                        processing[optional,default:False]
  -t method, --method method
                        A method used to compare differences[optional:t.test/w
                        ilcox.test/anova/kruskal.test,default:kruskal.test]
  -f from, --from from  Base height of the label[optional,default:17]
  -b by, --by by        The difference between two tag
                        heights[optional,default:2]
  -l lab_height, --lab_height lab_height
                        Label height[optional,default:35]
  -H HEIGHT, --height HEIGHT
                        the height of dumbbell plot[optional,default 8]
  -W WIDTH, --width WIDTH
                        the width of dumbbell plot[optional,default 8]
  -o OUTDIR, --outdir OUTDIR
                        output file directory[optional,default cwd]
  -p PREFIX, --prefix PREFIX
                        out file name prefix[optional,default kegg]

根据自身需要调整必要的参数:

-n 输入列名,指定用于绘制小提琴图的一列数据

-g 输入列名,指定根据哪一列分组信息对样本进行分组

-s 指定分组的数目,最小为2,最大为5

-t 指定差异分析的方法,如t.test(t检验)、wilcox.test(秩和检验)等;

-l 指定显著性P值标签的高度,需根据数据的值的大小进行调整

其中需要注意的是,当绘制仅分为两组的小提琴图时,指定以上参数即可,但如果绘制两组以上的小提琴图时,必须还要指定-f和-b参数。这两个参数调整的是两两分组之间显著性P值标签的位置,-f参数指定的是两两分组之间显著性P值标签的最低高度,-b参数指定的是每个标签的间隔大小

其他参数说明

--log2 加上该参数即要对连续变量进行log2转化;

-H 指定输出图片的高度,默认高为8英寸;

-W 指定输出图片的宽度,默认宽为8英寸;

-o 指定结果输出的路径,默认为当前路径;

-p 指定输出文件名字的前缀。

脚本获取方法

在“生信博士“公众号回复kmplot即可获得网盘链接以及提取码。

如何使用命令行的方法分析数据

可能有的人没有用过命令的形式分析数据, 可以学习下面的课程入门一下:

attachments-2022-06-G44XAyxF62a2f706c1153.png

  • 发表于 2022-06-10 15:48
  • 阅读 ( 154 )
  • 分类:R

0 条评论

请先 登录 后评论
fangs
fangs

16 篇文章

作家榜 »

  1. omicsgene 541 文章
  2. 安生水 252 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. 生信老顽童 48 文章
  8. landy 37 文章