生信之上镜率持续走高的桑基图，如何用多种方法绘制？（附代码） |
您所在的位置：网站首页 › kegg代谢通路图空间图 › 生信之上镜率持续走高的桑基图，如何用多种方法绘制？（附代码） |
生信之上镜率持续走高的桑基图，如何用多种方法绘制？（附代码）
|
一. 桑基图是干什么的 桑基图(Sankey diagram)本质上是一种流图（flow diagram），最早由爱尔兰人Matthew Henry Phineas Riall Sankey 提出的。早期是用于描述能量、人口或经济等的流动分布情况，故又称为桑基能量分流图或桑基能量平衡图。 近年来桑基图在各大期刊的上镜率在持续走高，比如2021的纯生物信息学文献：《Conserved pan-cancer microenvironment subtypes predict response to immunotherapy》，就有一个看起来超级复杂的桑基图，图例：(C) Sankey plot showing antigenicity and TMB (left) per TME subtype linked to mutation group (right) across TCGA patients at the pan-cancer level.
那么，什么样的数据适合桑基图呢。一句话，需要体现不同对象主体在不同属性上变化过程的数据，均可用桑基图。数据的形式类似这样（以Titanic数据集为例）： Class Sex Age Survived n 1st Male Child No 0 2nd Male Child No 0 3rd Male Child No 35 Crew Male Child No 0 1st Female Child No 0 2nd Female Child No 0数据拆解：这里每一行数据对应的是泰坦尼克号里的一个人（对象主体），每一列是这个人的所具有的某一属性（如Class是什么，Sex是什么等），而我们又正好需要展现不同人的不同属性的流向分布，这个时候桑基图就登场了。所以，桑基图呈现的是，横坐标是属性名，纵坐标是对象主体（对象数过多的话，画图不好看，往往用描述统计代替，常用的是频数），如：
二. 该如何实现 这里以上述的Titanic数据集为例，多种方式来实现。首先介绍alluvial包。 # 安装alluvial包# install.packages("alluvial")library(alluvial)library(dplyr) tit % head()|Class |Sex |Age |Survived | n||:-----|:------|:-----|:--------|--:||1st |Male |Child |No | 0||2nd |Male |Child |No | 0||3rd |Male |Child |No | 35||Crew |Male |Child |No | 0||1st |Female |Child |No | 0||2nd |Female |Child |No | 0|画图： tit %>% dplyr::select(., Survived, Sex, Age, Class) %>%alluvial::alluvial( ., # 子数据集选择 freq=tit$n, # 频数 col = ifelse(tit$Survived == "Yes", "orange", "grey"), # 颜色选择，这个是以第一列为依据 border = ifelse(tit$Survived == "Yes", "orange", "grey"), # 边界颜色 layer = tit$Survived != "Yes", # 条纹的绘制顺序，或图层顺序 alpha = 0.8, # 颜色透明度 blocks=FALSE # 是否连接同一属性分类 ) 那么，桑基图就完成了。做单一桑基图，alluvial包已经足够了，但是一些微调优化，以及组合图形时，alluvial包就显得比较繁琐，由于alluvial包是基于base画图系统。 下面介绍另一个R包-- ggalluvial 包，从名字上便可看到，它是ggplot扩展包 ，返回的是ggplot object，扩展性会更强，输入数据形式更灵活。 # 安装ggalluvial# install.packages("ggalluvial")library(ggalluvial)library(ggplot2) colnames(tit)[5] |
【本文地址】