ggplot进行曼哈顿图复现

最近看文献的时候看到一张曼哈顿图，是对绵羊进行种间fst的比较找受选择的位点，当时看到这张图就感觉与之前看过的曼哈顿与众不同，图中用线段来表示的具体数值而不是常规的点，看多了点图，感觉线图还挺好看，所以就想复现一下，顺便当记个笔记了。
不知道这种图有没有具体的包，之前见过棒棒糖图，还是很相似的。不过不用考虑那么多，万图皆可ggplot，基本上看到的图都能用ggplot的绘制，所以我就用ggplot复现吧。

主要用到的是ggplot中的geom_segment()，这个函数是用来画线段的，之前我我一般用annotate中的geom='segment’来画线段，因为至此是变量批量的画，所以当然要换成geom_segment()，geom_segment()与常规绘图函数不同，它需要四个坐标，即x，xend，y，yend，我们只需要固定某一方向就可以绘制出想要的线段。

rm(list=ls())
options(stringsAsFactors = F)

library(ggplot2)
ggplot() geom_segment(aes(x=1:5,xend=1:5,y=0,yend=seq(0,0.8,0.2))) ylim(0,1) #随便找几个数

可以看到上图，把x和xend设置为相同，y设置为0，具体大小赋予yend就能产生竖线，这样进一步绘图。
首先就是准备数据，随机产生1万个数据，然后分为500个一组，共20组，并且交替赋予A和B字符，用于颜色分组。

data=data.frame(s1=1:10000,s2=runif(10000,0,0.3) runif(10000,0,0.5),s3=rep(rep(c('A','B'),10),each=500))
data$s1=as.character(data$s1) #把数值型转换为字符型，用于排列顺序
#runif(min,max,n)  随机生成min到max之间的n个小数
#s1是x轴位置
#s2为y轴大小
#s3为颜色分组

注意s1为x位置，我一般要把它转换为字符型，这样在ggplot中可以进行离散型数据的设置，因为数值型数据是连续的数据，在x轴设置时如果数据中间有缺失部分会导致x轴无法紧密排列，而离散型数据则始终紧密排列。
数值型连续数据如下，可以看到根据根据数值大小进行排列，如果中间数据没有连续(2，5)，则会产生空缺。

字符型离散数据如下，可以看到自始至终的排列紧密的，虽然只有2和5，但是两者排列紧密。

之后就是绘图

ggplot(data = data) geom_segment(aes(x =s1, y =0,xend =s1, yend =s2,color=s3),
                      linetype=1,size=0.1)

初步的图就是这样，很粗糙，需要进一步修改。

ggplot(data = data) geom_segment(aes(x =s1, y =0,xend =s1, yend =s2,color=s3),
                      linetype=1,size=0.1) 
  scale_color_manual(values = c('#fa450f','#242b66'))  #颜色设置
  scale_y_continuous(expand = c(0,0),limits =c(0,1),breaks=seq(0,1,0.2)) 
  scale_x_discrete(expand = c(0,0),breaks=seq(250,10000,500),labels=paste0('chr',1:20),limits=as.character(c(1:10000)))  #设置x轴breaks和labels
  theme_classic()  #经典主题
  labs(x='chromosome',y='score')  #x轴y轴lab
  theme(legend.position = 'none')  #去除图例
  annotate(geom = 'segment',x=0,xend=nrow(data),y=quantile(data$s2,0.95), #添加阈值线
           yend=quantile(data$s2,0.95),lty=4,color='black')

因为是随机的数据，没有染色体之分，所以我把每500个数据设置为一条染色体，共设置20条染色体。然后添加个阈值吧，用quantile函数找到在数据中前95%的数据大小，用annotate去添加，然后设置一下阈值线样式(lty)和颜色，最后把生成的结果给它拉长压扁一下，用ggsave保存一下就ok了，我感觉这基本还原科，就是数据不够离散，看不出什么峰值，不过也算可以了。

在实际应用的时候需要加入染色体号，这时候就需要先把每条染色体的数据中的位点从小到大排列一下，然后赋予每个位点一个label，然后在scale_x_discrete中设置limits定义一下顺序就好，在每条染色体数据中间再用breaks加上label就ok了。
感觉绘图还是比较简单的，之前讲过CMplot绘制曼哈顿，感觉自己也可以找个时间研究研究，也设计个绘图包，把各种图形的绘制代码集合起来，这可比设置一种新的算法什么的简单太多了，可以尝试。

这篇好文章是转载于：学新通技术网