复现Nature正刊上3张图，换数据即可用！

本次使用R语言复现Nature正刊上的3张图！

R绘制-d图

✅d图是一种SCI中高频率使用的特殊散点图--火山图（Volcano plot），用于快速筛选两组数据之间显著差异的基因/蛋白/代谢物等。那怎么读这张图：

• FC：全称Fold Change，代表两组数据某个变量的差异倍数，在上图中表示Astro BioID2和Neuro BioID2两种细胞中不同蛋白质的丰度倍数。实际使用时常用log2Fold Change，log2FC代替FC，原因如下表：

• 图中每个点：代表两组数据某个变量的差异倍数取log2，例如，上图中，每个点代表一种蛋白在Astro BioID2和Neuro BioID2两种细胞中的丰度相除并取log2，即log2(Astro BioID2/Neuro BioID2 FC) ；
• P：代表两组数据之间的变量差异是否统计学显著，一般认为P<0.05或者P<0.01为显著（如图中的水平虚线P=0.05，-log10(P)=1,3）；有时候也会使用BH或者FDR方法校正的P值；
• FC阈值：科研中FC常取2、1.5，此时对应的log2FC为1和0.6，典型的火山图还会添加两条FC线，例如一张经典的火山图，

• 上调（up）变量筛选：火山图通常以 log2FC≥1（即FC ≥ 2），以及P<0.05来筛选上调（up）变量，即下图的绿色点；
• 下调（down）变量筛选：火山图通常以 log2FC≤ -1（即FC ≤ 0.5）以及P<0.05来筛选下调（down）变量，即下图的紫色点；

后续研究重点关注火山图中这些上调（up）变量和下调（down）变量。

✅读入测试数据

✅关键代码，

# ----------------------------
# 绘图
# ----------------------------
p <- ggplot(volcano_na_data, aes(x = log2FC, y = negLog10P)) +
  geom_point(aes(fill = group),
    color = "black", shape = 21, stroke = 0.35, size = 5, alpha = 1
  ) +
  scale_fill_manual(values = colors_fill)

# P=0.05 横线与标注
p <- p + geom_hline(yintercept = -log10(0.05), linetype = "dashed", color = "black", linewidth = 0.5) +
  annotate("text",
    x = 7, y = -log10(0.05) + 0.1, label = expression(italic(P) == 0.05),
    size = 3.5, vjust = 0
  )

p <- p + annotate("text",
  x = x_axis_pos + x_label_offset + 0.3, # 调整x坐标，靠近顶点
  y = max(volcano_na_data$negLog10P) * 1.05, # 将y坐标设置为最大值，靠近顶部
  label = expression(-log[10] ~ "(P)"),
  angle = 90,
  size = 3.5,
  fontface = "bold",
  hjust = 1.6,
  vjust = 1.7# 调整垂直对齐，确保标签居中在顶点位置
)

✅值得学习的R可视化知识点：

• 将y轴移动到x=0处，简洁美观，

p <- p + annotate("text",
  x = x_axis_pos + x_label_offset + 0.3, # 调整x坐标，靠近顶点
  y = max(volcano_na_data$negLog10P) * 1.05, # 将y坐标设置为最大值，靠近顶部
  label = expression(-log[10] ~ "(P)"),
  angle = 90,
  size = 3.5,
  fontface = "bold",
  hjust = 1.6,
  vjust = 1.7# 调整垂直对齐，确保标签居中在顶点位置
)

• -log10(P)的写法，expression(-log[10] ~ "(P)")
• geom_hline添加水平辅助线，

# P=0.05 横线与标注
p <- p + geom_hline(yintercept = -log10(0.05), linetype = "dashed", color = "black", linewidth = 0.5) +
  annotate("text",
    x = 7, y = -log10(0.05) + 0.1, label = expression(italic(P) == 0.05),
    size = 3.5, vjust = 0
  )

也可以换一个原文中好看的配色，

R绘制-i、j图

✅关键代码，

# 绘制图i左
plot_i_left <- ggplot(linescatter_ileft, aes(distance, Mean, color = Group)) +
  geom_line(size = 0.2) +
  geom_point(size = 1.5) +
  geom_errorbar(aes(ymin = Mean - SE, ymax = Mean + SE),
    width = 0.8, size = 0.3, alpha = 0.8
  ) +
  geom_vline(xintercept = 10, linetype = "dotted", color = "black", size = 0.2) +
  geom_vline(xintercept = 40, linetype = "dotted", color = "black", size = 0.2) +
  scale_color_manual(values = c(WT = wt_color, KO = ko_color)) +
  scale_x_continuous(
    limits = c(0, 40),
    breaks = seq(0, 40, by = 5),
    expand = c(0.02, 0)
  ) +
  scale_y_continuous(
    limits = c(0, 700),
    breaks = seq(0, 700, by = 100),
    expand = c(0, 0)
  ) +
  annotate("text",
    x = 5, y = 700,
    label = "Soma", size = 2.5, vjust = 1, lineheight = 0.8
  ) +
  annotate("segment", x = 0.5, xend = 9.5, y = 650, yend = 650, size = 0.2) +
  annotate("text",
    x = 25, y = 700,
    label = "Branches", size = 2.5, vjust = 1, lineheight = 0.8
  ) +
  annotate("segment", x = 10.5, xend = 39.5, y = 650, yend = 650, size = 0.2) +
  annotate("text",
    x = 5, y = 550,
    label = "NS", size = 2.5, vjust = 1, lineheight = 0.8
  ) +
  annotate("segment", x = 3, xend = 8, y = 500, yend = 500, size = 0.2) +
  annotate("text",
    x = 25, y = 550, label = expression(italic(P) < 0.05),
    parse = TRUE, size = 2.5, vjust = 1, lineheight = 0.8
  ) +
  annotate("segment", x = 15, xend = 35, y = 500, yend = 500, size = 0.2) +
  annotate("text",
    x = distance[distance > 15],
    y = WT_mean[distance > 15] + WT_se[distance > 15] + 30,
    label = "*", size = 2, color = "black", vjust = 0.5
  ) +
  labs(
    x = "Distance from centre of soma (μm)",
    y = "LifeAct GFP meannactin intensity (AU)"
  ) +
  guides(color = guide_legend(override.aes = list(
    linetype = 0,
    shape = 16,
    size = 2
  ))) +
  theme_custom +
  theme(
    legend.position = c(0.1, 0.15),
    legend.text = element_text(
      size = 7,
      family = "Helvetica",
      margin = margin(l = -2)
    ),
    legend.key.height = unit(8, "pt"),
    legend.key.width = unit(12, "pt"),
  )

✅值得学习的R可视化知识点：

• 使用annotate("text"......添加注释文字，

annotate("text",
    x = 5, y = 700,
    label = "Soma", size = 2.5, vjust = 1, lineheight = 0.8
  ) 

• 使用annotate("segment"......添加辅助线，

annotate("segment", x = 0.5, xend = 9.5, y = 650, yend = 650, size = 0.2) 

• 图例精确微调，例如，调节图例中红色点和标签KO之间的间距；调节KO和WT之间的间距；调节图例在整个图中的任意位置等，

 theme(
    legend.position = c(0.1, 0.15),  # 图例内嵌定位
    legend.text = element_text(margin = margin(l = -2)),  # 紧凑排版
    legend.key.height = unit(8, "pt"),   # 图例项高度
    legend.key.width = unit(12, "pt")   # 图例项宽度
  )

本期结束！

测试数据+详细代码，后期会加入👉《保姆级R可视化教程》来了！

加入学习（备注：299）