跟着Nature Methods学画图：R语言ggplot2散点

今天的推文继续学习A single-cell atlas of the peripheral immune response in patients with severe COVID-19论文中的代码。今天推文的主要内容是介绍如何使用R语言绘制散点图并且添加拟合曲线和置信区间

这篇论文是在简书 土豆学生信 分享的内容看到的。简书的链接是 https://www.jianshu.com/p/bbf9cb13b41a

论文是

image.png

论文对应的代码是公开的 https://github.com/ajwilk/2020_Wilk_COVID

image.png

今天重复的内容是论文中的 补充材料Fig4中的小a中的第三个小图

image.png

数据准备好是如下格式

image.png

需要示例数据可以直接在文末留言

第一步读入数据

mydf<-read.csv("Single_Cell/covid_metadata_c.csv",header=T,row.names = 1)
dim(mydf)
mydf

这里作图用到的是ggscatter()函数，这个函数来自ggpubr这个包。

最基本的散点图

library(ggpubr)
ggscatter(mydf,x="DPS",y="ISG")

这里需要注意的是想x，y后面跟着的值需要加双引号

image.png

添加拟合曲线

p1<-ggscatter(mydf,x="DPS",y="ISG",
          add = "reg.line")

添加置信区间

p2<-ggscatter(mydf,x="DPS",y="ISG",
          add = "reg.line",
          conf.int = T)

更改坐标轴标签

p3<-ggscatter(mydf,x="DPS",y="ISG",
              add = "reg.line",
              conf.int = T)+
  labs(y = "Mean ISG module score", 
       x = "Days post-symptom onset")

添加相关系数和p值

p4<-ggscatter(mydf,x="DPS",y="ISG",
              add = "reg.line",
              conf.int = T)+
  labs(y = "Mean ISG module score", 
       x = "Days post-symptom onset")+
  stat_cor(label.x = 8, label.y = 0.2)

最后是拼图

ggarrange(p1,p2,p3,p4,
          ncol = 2,
          nrow = 2,
          labels = c("p1","p2","p3","p4"))

最终的结果如下

image.png

欢迎大家关注我的公众号
小明的数据分析笔记本

小明的数据分析笔记本 公众号 主要分享：1、R语言和python做数据分析和数据可视化的简单小例子；2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记；3、生物信息学入门学习资料及自己的学习笔记！