新葡萄京娱乐场官方网站


  • 免费服务热线
  • 400-065-6886
  • 电话:86(0)512-6295 9990
  • 传真:86(0)512-6295 9995
资讯中心

【绘图进阶】之配对箱体图绘制(七)

发稿时间:2020-07-29来源:新葡萄京娱乐场官方网站生物

前面基础课程中先容过箱体图的绘制,本期先容成对样品的箱体图绘制,如果您有成对样品的数据,这方面的学习可千万不要错过哦。本期课程从数据处理和数据绘图两个方面先容,同时增加更细致的文字描述,如果您仍有不理解的地方,留言给大家,大家会及时的回复。


1. 丰度数据和分组信息读取

未处理的数据读取,以data表示;分组信息以info表示。

In [1]:

data = read.table('phylum.taxon.Abundance.xls',header = T,sep = 't',row.names = 1)
data
Out[1]:

In [2]:

info = read.table('sample_groups.xls',header = F,sep = 't',col.names = c('sample','group'))
info
Out[2]:


2. 提取数据框

通过grep获取All和Verrucomicrobia的行号

In [3]:

grep("All|Verrucomicrobia", rownames(data))
Out[3]:

10  12
处理后的数据以数据框df表示。- grep("All|Verrucomicrobia", rownames(data)) 用于提取非All和Verrucomicrobia的行,info$sample提取样品列


In [4]:

df = data[-grep("All|Unassigned", rownames(data)),info$sample]
df
Out[4]:


3. 求两组的均值、方差和标准差;并计算成对样品T检验P值。

In [5]:



df['H_mean'] = apply(df[,info[info$group=='H',1]],1,mean)
df['H_var'] = apply(df[,info[info$group=='H',1]],1,var)
df['H_sd'] = apply(df[,info[info$group=='H',1]],1,sd)

df['L_mean'] = apply(df[,info[info$group=='L',1]],1,mean)
df['L_var'] = apply(df[,info[info$group=='L',1]],1,var)
df['L_sd'] = apply(df[,info[info$group=='L',1]],1,sd)

df['p.value'] = apply(df,1,function(x){ t.test(as.numeric(x[info[info$group=='H',1]]),as.numeric(x[info[info$group=='L',1]]),paired = T)$p.value })

df
Out[5]:


数据保存至文本文件phylum.taxon.Abundance.new.xls 中。


In [6]:

write.table(df,'phylum.taxon.Abundance.new.xls',sep = 't',row.names = T, col.names = NA,quote = F)

4. 提取P值显著的数据

In [7]:

df_diff = df[df$p.value<0.05,info$sample]
df_diff
Out[7]:





1. 数据合并

In [8]:

df_diff = data.frame(t(df_diff),group = info$group) 
df_diff
Out[8]:
 
2. 加载R包
In [9]:

.libPaths("C:/Program Files/R/R-3.6.1/library")
library(ggpubr)
3. 绘图
method包括:t.test、wilcox.test、anova、kruskal.test;本次分析采用t.test。
ggarrange可以将多个图绘制在一张图上,ncol=2 按照每行2张图绘制,行不限制。
In [10]:

p1= ggpaired(df_diff, x="group", y="Bacteroidetes", color = "group", line.color = "gray",xlab = 'Bacteroidetes',
             line.size = 0.4, palette = "npg")+ stat_compare_means(method = "t.test",paired = TRUE)

p2= ggpaired(df_diff, x="group", y="Proteobacteria", color = "group", line.color = "gray", xlab = 'Proteobacteria',
             line.size = 0.4, palette = "npg")+ stat_compare_means(method = "t.test",paired = TRUE)
ggarrange(p1, p2,  ncol = 2,common.legend = T)

Out[10]:




往期相关链接:

1、R基础篇

excel不熟练怎么办,R来帮您(一)数据分类汇总

如何使用Rstudio练习R基础教程

R相关App及R包安装【零基础学绘图】之气泡图绘制(六)

【零基础学绘图】之绘制venn图(五)
【零基础学绘图】之绘制barplot柱状图图(四)
【零基础学绘图】之绘制heatmap图(三)【零基础学绘图】之绘制PCA图(二)
【零基础学绘图】之alpha指数箱体图绘制(一)

2、R进阶

【绘图进阶】之通路与菌的相关性分析热图(六)

【绘图进阶】之lefse定制化绘图(五)

【绘图进阶】之六种带中心点的PCA 图和三维PCA图绘制(四)

【绘图进阶】之交互式可删减分组和显示样品名的PCA 图(三)

【绘图进阶】之绘制PCA biplot图(二)

【进阶篇绘图】之带P值的箱体图、小提琴图绘制(一)

3、数据提交

3分钟学会微生物多样性云平台数据分析;

3分钟学会CHIP-seq类实验测序数据可视化 —IGV的使用手册

10分钟搞定多样性数据提交,最快半天内获取登录号,史上最全的多样性原始数据提交教程

20分钟搞定GEO上传,史上最简单、最详细的GEO数据上传攻略

4、表达谱分析

表达谱分析(二)通路富集分析和基因互作网络图绘制如何对GEO数据进行差异分析miRNA靶基因预测App__miRWalk 3.0

5、医学数据分析

KING: 样本亲缘关系鉴定工具【WGS服务升级】人工智能AppSpliceAI助力解读罕见和未确诊疾病中的非编码突变隐性疾病trio家系别忽视单亲二倍体现象——新葡萄京娱乐场官方网站数据分析助力临床疾病诊断新添UPD(单亲二倍体)可视化分析工具【昊工具】Oh My God! 太好用了吧!疾病或表型的关键基因查询数据库,我不允许你不知道Phenolyzer



新葡萄京娱乐场官方网站客户服务中心

手机/微信号:18964693703

新葡萄京娱乐场官方网站-新葡萄京官网 2012-2020 新葡萄京娱乐场官方网站    All Rights Reserved    苏ICP备17064027号-1
XML 地图 | Sitemap 地图