论文
Chromosome-level assemblies of multiple Arabidopsis genomes reveal hotspots of rearrangements with altered evolutionary dynamics
https://www.nature.com/articles/s41467-020-14779-y
拟南芥NC_panGenome.pdf
分析代码的github主页
https://github.com/schneebergerlab/AMPRIL-genomes
论文中组装了7个拟南芥的基因组，做了一些泛基因组相关的分析，数据和大部分代码都公开了，我们试着复现一下其中的图和一些分析过程，今天的推文复现一下论文中的figure2b箱线图和小提琴图展示结构变异的长度分布
示例数据
image.png
读取数据
library(tidyverse)
dat<-read_delim("D:/R_4_1_0_working_directory/env001/data/20230318/Source_Data.Figure2/Fig2b.txt",
delim = "\t")
dat
最基本的箱线图和小提琴图
library(ggplot2)
ggplot(data = dat,aes(x=`SV-type`,y=length))+
geom_violin()+
geom_boxplot()
image.png
这里因为结构变异的长度分布范围非常大，所以出图不太好看，论文里的处理方式是对长度的数值取log10,这样图看起来就好看很多，这个也是一个数据可视化的小技巧
ggplot(data = dat,aes(x=`SV-type`,y=log10(length)))+
geom_violin()+
geom_boxplot()
image.png
接下来对整个图进行美化
dat %>%
mutate(`SV-type`=factor(`SV-type`,
levels = c("INS","DEL","DUP","TL","INV"))) -> dat
ggplot()+
geom_rect(aes(xmin=-Inf,xmax=2.5,ymin=-Inf,ymax=Inf),
alpha=0.5)+
geom_violin(data = dat,
aes(x=`SV-type`,
y=log10(length),
color=`SV-type`),
linewidth=1)+
geom_boxplot(data = dat,
aes(x=`SV-type`,
y=log10(length),
color=`SV-type`),
width=0.1,outlier.alpha = 0,
linewidth=1)+
labs(x=NULL,y="Length of SVs (bp)")+
scale_y_continuous(breaks = c(2:6),
labels = c(expression(10^2),expression(10^3),
expression(10^4),expression(10^5),
expression(10^6)))+
theme_bw()+
theme(legend.position = "none",
panel.grid = element_blank(),
panel.background = element_rect(fill="grey"))
image.png
这里遇到一个问题是
geom_rect(aes(xmin=-Inf,xmax=2.5,ymin=-Inf,ymax=Inf),
alpha=0.5)
添加背景的时候如果添加一层是没有问题的，但是如果再继续叠加一层就会报错，暂时搞不清楚问题出在哪里
示例数据和代码可以给推文点赞，然后点击在看，最后留言获取
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！
微信公众号好像又有改动，如果没有将这个公众号设为星标的话，会经常错过公众号的推文，个人建议将 小明的数据分析笔记本 公众号添加星标，添加方法是
点开公众号的页面，右上角有三个点
image.png
点击三个点，会跳出界面
image.png
