2022-12-16展示群体间Fst值和群体内Pi值

看论文

Genomic insights into the origin, domestication and diversification of Brassica juncea

图片

本地pdf文件 s41588-021-00922-y.pdf

今天的推文试着模仿一下 论文中的 Figure2d

图片

好多有关群体遗传的论文里都有这个图,每一个点是群体内的多样性用pi来衡量,连线表示群体之间的分化程度 用fst来表示

构造数据集

数据集完全是随便编的,没有任何意义

pi值数据格式
图片
FST数据格式
图片

读取数据集

首先是pi值

library(readxl)

dfpi<-read_excel("20210913.xlsx",
                 sheet = "Sheet1")
dfpi

添加坐标

dfpi$x<-2*sin(seq(0,300,60)*pi/180)
dfpi$y<-2*cos(seq(0,300,60)*pi/180)

作图

library(ggplot2)

cols<-c("#666116","#232c86","#e6eb49",
        "#f1a3bc","#f48b19","#64bea0")

ggplot()+
  geom_point(data=dfpi,
             aes(x=x,y=y,color=Population),
             size=40,
             show.legend = F)+
  xlim(-2.5,2.5)+ylim(-2.5,2.5)+
  theme_void()+
  geom_text(data=dfpi,aes(x=x,y=y,label=Population),
            vjust=-0.5,
            color="red")+
  geom_text(data=dfpi,aes(x=x,y=y,
                          label=paste0(round(pi_value*1000,2),
                                       '~x~',
                                       '10**-3')),
            vjust=1,
            parse=T,
            color="red")+
  scale_color_manual(values=cols)
图片.png

接下来是构造连线数据

library(tidyverse)

read_excel("20210913.xlsx",
            sheet = "Sheet2") %>% 
  pivot_longer(!pop,
               names_to = "pop2",
               values_to = "Fst",
               values_drop_na = T) -> dffst
merge(dffst,dfpi,by.x="pop",by.y = "Population") %>% 
  select(pop,pop2,Fst,x,y) %>% 
  rename("x1"="x",
         "y1"="y") %>% 
  merge(dfpi,by.x = "pop2",by.y = "Population") %>% 
  select(pop,pop2,Fst,x,y,x1,y1) -> dffst1

将连线和点图结合到一起

ggplot()+
  geom_segment(data=dffst1,
               aes(x=x,y=y,xend=x1,yend=y1),
               size=1,
               lty="dashed")+
  geom_point(data=dfpi,
             aes(x=x,y=y,color=Population),
             size=40,
             show.legend = F)+
  xlim(-2.5,2.5)+ylim(-2.5,2.5)+
  theme_void()+
  geom_text(data=dfpi,aes(x=x,y=y,label=Population),
            vjust=-0.5,
            color="red")+
  geom_text(data=dfpi,aes(x=x,y=y,
                          label=paste0(round(pi_value*1000,2),
                                       '~x~',
                                       '10**-3')),
            vjust=1,
            parse=T,
            color="red")+
  scale_color_manual(values=cols)
图片.png

最后将Fst的值添加到图上
这里如何将文本添加到合适的位置我还想不到比较好的办法了,只能先用代码添加 然后出图后再用AI软件来编辑了

library(ggrepel)

ggplot()+
  geom_segment(data=dffst1,
               aes(x=x,y=y,xend=x1,yend=y1),
               size=1,
               lty="dashed")+
  geom_text_repel(data=dffst1,aes(x=(x+x1)/2,
                                  y=(y+y1)/2,
                                  label=Fst))+
  geom_point(data=dfpi,
             aes(x=x,y=y,color=Population),
             size=40,
             show.legend = F)+
  xlim(-2.5,2.5)+ylim(-2.5,2.5)+
  theme_void()+
  geom_text(data=dfpi,aes(x=x,y=y,label=Population),
            vjust=-0.5,
            color="red")+
  geom_text(data=dfpi,aes(x=x,y=y,
                          label=paste0(round(pi_value*1000,2),
                                       '~x~',
                                       '10**-3')),
            vjust=1,
            parse=T,
            color="red")+
  scale_color_manual(values=cols)
图片.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,519评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,842评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,544评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,742评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,646评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,027评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,513评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,169评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,324评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,268评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,299评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,996评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,591评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,667评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,911评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,288评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,871评论 2 341

推荐阅读更多精彩内容