r语言蛋白组学相关问题

Question

蛋白组学分析，请问使用r语言如何做出这张图，想了很久实在想不出来，谢谢

Answer 1

引自免费微信小程序：皆我百晓生

在R语言中，要完成这样的蛋白组学数据分析并绘制散点图，您可以按照以下步骤进行操作：

首先，假设您的蛋白表达数据存储在一个名为protein_expression的数据框中，其中包含两列：一列是蛋白的唯一标识符（比如UniProt ID），另一列是对应的平均表达水平。我们先构造一个示例数据：

# 假设有一个类似这样的数据框：
protein_expression <- data.frame(
  Protein = c("P05213", "Q9CRD4", "Q5SX19", "Q6KAQ7", "Zzz3035492", 
              "Clk3", "O8BLD6", "Ankrd55", "Tuba1b", "PODP26", 
              "Calm1", "P16858", "Gapdh", "P56480", "Dpysl2"),
  Mean_Expression = c(15, 15, 5, 5, 0, 0, 2000, 4000, 30, 5, 
                      5, 5, 5, 5, 5)
)

# 按照平均表达量排序
protein_expression <- protein_expression[order(protein_expression$Mean_Expression), ]

# 绘制散点图，并标记出平均表达量最高和最低的5个蛋白
library(ggplot2)

ggplot(protein_expression, aes(x = reorder(Protein, Mean_Expression), y = Mean_Expression)) +
  geom_point(size = 3, color = "steelblue") +
  scale_x_discrete() +
  labs(x = "Protein", y = "Average Expression Value",
       title = "Average Protein Expression Across the Entire Cohort") +
  
  # 添加灰色和黄色方框以突出显示范围
  geom_rect(aes xmin = min(which(head(sort(protein_expression$Mean_Expression), 5)), na.rm = TRUE) - 0.5,
            xmax = max(which(head(sort(protein_expression$Mean_Expression), 5)), na.rm = TRUE) + 0.5,
            ymin = min(protein_expression$Mean_Expression[head(order(protein_expression$Mean_Expression), 5)]),
            ymax = max(protein_expression$Mean_Expression[head(order(protein_expression$Mean_Expression), 5)]) + 100,
            fill = "grey80", alpha = 0.5) +
  
  geom_rect(aes(xmin = min(which(tail(sort(protein_expression$Mean_Expression), 5)), na.rm = TRUE) - 0.5,
            xmax = max(which(tail(sort(protein_expression$Mean_Expression), 5)), na.rm = TRUE) + 0.5,
            ymin = min(protein_expression$Mean_Expression[tail(order(protein_expression$Mean_Expression), 5)]),
            ymax = max(protein_expression$Mean_Expression[tail(order(protein_expression$Mean_Expression), 5)]) + 100,
            fill = "yellow", alpha = 0.5)) +
  
  theme_bw() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# 注意：由于R绘图时索引是从1开始的，所以需要减去0.5来确保框正确覆盖在相应蛋白上

上述代码首先对数据进行了排序，然后使用ggplot2包创建散点图，并利用geom_rect函数添加了两个矩形框来分别标注平均表达量最低和最高的前5个蛋白。请注意，这里的坐标轴标签、颜色、透明度以及矩形框的位置大小可能需要根据实际数据调整。如果您的数据集中有缺失值或异常值，还需要适当处理。

同时，如果你的数据不是有序的或者格式不同，请先确保数据整理正确后再进行上述操作。