R语言如何绘制MA图

MA plot即M-versus-A plot,在芯片数据处理出现之前也称为Bland-Altman plot,是由发明者名字命名的,而MA plot是对M与A作图而得名,M是minus的缩写,代表两个值之差,A是add的缩写,代表两个值之和。有研究者也把MA plot称为Ratio-Intensity (RI) plots,同时MA也正好是micro-array的简写。

MA图简介

MA图主要应用在基因组数据可视化方面,实现数据分布情况的展示。早期主要应用于DNA芯片数据,现在常用于高通量测序数据中基因差异表达分析结果的展示。

其计算公式如下:

attachments-2019-08-JXbM6iwv5d4bc6f576ead.jpg

M一般做Y轴,A一般做X轴。

M常对应差异表达分析获得的差异对比组之间基因表达变化log2FC。

A可以利用差异对比组的FPKM进行计算,以R和G来表示差异对比组的话,可以取R组基因的平均FPKM和G组基因的平均FPKM进行计算。

MA图绘制

首先准备如下数据:

attachments-2019-08-iJANzyO35d4bc7179d8a2.jpg

第一列为基因ID,*_FPKM为样品FPKM值(列名必须包含"FPKM"),第四列为FDR,第五列为log2FC,第六列为基因上下调信息。

然后,我们使用R语言来绘制MA图,代码如下:

### load library
require(ggplot2)
library(RColorBrewer)
library(getopt)
mycol<-brewer.pal(9"Set1")
# load library

args <-commandArgs(TRUE)
# check args length
if( length(args) != 2 ) {
    print(args)
    usage()
    stop("the length of args != 6")
}

plot_MA <- function(log10exp=NULL, log2FC=NULL, FDR=NULL, Significant=NULL,
        xlab="log10(FPKM)", ylab="log2(FC)", main="MA plot") {
    # check args
    # check null
    if( is.null(log2FC) ) stop("log2FC is NULL")
    if( is.null(FDR) ) stop("FDR is NULL")
    if( is.null(Significant) ) stop("Significant is NULL")
    # check length
    len <- c(length(log10exp), length(log2FC), length(FDR))
    if( len[1] != len[2] ) 
        stop(paste("length(log10exp) != length(log2FC): ", len[1], " != ", len[2], sep=""))
    if( len[2] != len[3] ) 
        stop(paste("length(log2FC) != length(FDR): ", len[2], " != ", len[3], sep=""))
    if( len[1] == 0 ) stop("length(log2FC) == 0")

    # plot
    Significant<-factor(Significant,levels=c("up","down","normal"))
    p <- qplot(log10exp, log2FC, xlab=xlab, ylab=ylab, main=main, size=I(0.7), colour=Significant)
    p <- p+ scale_color_manual(values = c("up"=mycol[1],"normal"=mycol[2],"down"=mycol[3]))
    p<-p+theme_bw()+ theme(  
            panel.grid=element_blank(), 
            axis.text.x=element_text(colour="black"),
            axis.text.y=element_text(colour="black"),
            panel.border=element_rect(colour = "black"),
            legend.key = element_blank(),
            legend.title = element_blank())
    # return
    return(p)
}

ori_data <- read.delim(args[1], row.names = 1, header=TRUE,check.names =F)
colnames(ori_data)<-read.delim(args[1], row.names = 1, header=F,check.names =F,stringsAsFactors=F,nrows=1)
f <- grepl("FPKM",colnames(ori_data))
print(f)
fpkm <- ori_data[ , f] 
log2FC <- ori_data[ , "log2FC"
FDR <- ori_data[ ,"FDR"
significant <- ori_data[ , "regulated"
significant<-as.factor(significant)
print(" MA plot")
# MA plot
ma <- plot_MA(log10exp=log10(rowMeans(fpkm)), log2FC=log2FC, FDR=FDR, Significant=significant )

png(filename=paste(args[2],".png",sep=""), height = 3000, width = 3000, res = 500, units = "px")
print(ma)
dev.off()

pdf(file=paste(args[2],".pdf",sep=""), height = 15, width = 15)
print(ma)
dev.off()

脚本运行命令:

Rscript plot_MA.R  ref_trans_full_table.xls  MA

其中ref_trans_full_table.xls是输入文件,MA是输出图片的名称前缀。

结果图如下:

attachments-2019-08-m5QvfLLA5d4bc72af31eb.jpg


此外,我们在网易云课堂上有各种教学视频,有兴趣可以了解一下:

1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程

2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读转录组(无参)结果解读

3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘

5. 微生物16S/ITS/18S分析原理及结果解读

6. 更多学习内容:linux、perl、R语言画图,更多免费课程请点击以下链接:

http://m.study.163.com/provider/400000000234009/index.htm?share=1&shareId=1031480318



  • 发表于 2019-08-08 14:55
  • 阅读 ( 3023 )
  • 分类:R

0 条评论

请先 登录 后评论
安生水
安生水

216 篇文章

作家榜 »

  1. omicsgene 321 文章
  2. 安生水 216 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. CORNERSTONE 72 文章
  6. 红橙子 47 文章
  7. 生信老顽童 43 文章
  8. landy 37 文章