复现Nature正刊图，换数据即可用！
p
pythonic生物人约 2 分钟
pythonic生物人约 2 分钟本次使用R复现Nature上的Upset图！
该图为一种特殊的venn图，当集合数量较多或关系复杂的情况下，能够有效解决Venn图重叠过多的问题，专业称作Upset图。
✅怎么读Upset图？
下面通过同效果的左侧venn图类比右侧upset图。
下面通过R代码实现一下Upset图！
✅R绘制Nature同款Upset图
# 核心代码
# 绘制 UpSet 图
upset_plot <- upset(
data = upsetr_data, # 输入数据
nsets = n_set_cols, # 集合数量
nintersects = NA, # 显示所有交集
order.by = "freq", # 按频数排序
empty.intersections = NULL, # 不显示空交集
# 布局参数
mb.ratio = c(0.5, 0.5), # 主图与集合条比例
point.size = 2, # 矩阵点大小
text.scale = 1.2, # 字体缩放
# 颜色设置
sets.bar.color = "#56B4E9", # 集合条颜色
matrix.color = "#474954", # 矩阵点颜色
shade.color = "#7284A8", # 阴影颜色
# 标签
sets.x.label = "",
# 查询高亮
queries = query_list,
query.legend = "top"# 图例位置
)
# 输出图形
upset_plot
原文中，该UpSet图，用于展示 driver gene mutations 的共现模式及其与治疗反应的关系。
左侧条形图表示各 driver 基因突变在样本中的发生频率。 下方矩阵显示不同基因突变组合的共现情况。 上方条形图表示相应突变组合的绝对频数，并按治疗反应分组（pCR、RCB-I、RCB-II、RCB-III）进行区分，用于比较不同突变共现模式在不同疗效结局中的分布差异。
本期结束！
获取绘图代码+测试数据+数据处理方法+依赖包安装方法，
👇（备注：299）
-推荐阅读-