为什么要学习作图、R语言可视化？

发送 生信 到本公众号后台，学习各种作图技能。

好的分析和图形化展示，可以提供大量的信息，同时兼顾简洁优雅。我们以Ravel以在PNAS(2010)发表的研究为例，该研究分析了396个生育期女性的生殖道细菌群落。这是其中的一张热图：

乍一眼看上去眼花缭乱，其实我们可以把这个图分成一个个的模块，并分别解释。

1. 对样品进行聚类，菌群组成接近的样品会聚在一起。对得到的聚类进行命名。

2. 标记每个样品的PH值和Nugent Score，值越高，代表“越不健康”。

3. 对所有的物种进行聚类，丰度接近的物种会聚在一起。

4. 标记PH，NugentScore和菌群相关系数的颜色。颜色越红，代表菌群对PH/NugentScore的“贡献越大”。

5. 计算菌群的菌群多样性，用的是shannon index，菌群多样性越高，代表杂菌越多“越不健康”。

6. 每类菌的丰度，注意用的是log值换算。

这是我看到的最好的热图之一(缺点是颜色搭配略老气)。如何把这个图做出来？

再复杂的分析，再好看的图，其实都可以拆解为一个个简单的模块，再组合起来。

我们现在拆解一下，为了做出这个热图，需要哪些数据？需要哪些计算？用哪个工具？

实际上，R语言的工具太多了，我只是罗列出了基本的几种。有一些工具是集成的，比heatmap.2 和 superheat 实际上整合了hclust，可以直接计算聚类。

还有一些所谓的“高大上”的图，比如Liu等发表的糖尿病人的肠道菌群和代谢组(Nature Medicine 2017)。这张图怎么做出来的？

肥胖人群富集的菌群在右边，健康人群富集的菌群在左边，红色连线代表负相关，蓝色为正相关，点的颜色代表物种种类，点的大小代表菌群的平均丰度。

看起来复杂，实际需要的数据比刚才的热图简单多了，只有一张表而已，用R语言3行代码就可以做出来：

将这张表导入cytoscape，然后调色，拖拽每个点，按照你的审美慢慢调整，这部分实际上是有点费事。

所以我建议，在做这种相对复杂的图之前，一定要想好：我的数据是是什么？期待达到什么样的效果？而不是为了要图而作图，否则纯粹是浪费时间。

图和统计只是为研究结论服务的，不是研究的主体。

不同类型的组学和不同类型的研究(前瞻vs回顾)，目的无非都是“诊断”和“治疗”：寻找biomarker，用于诊断或者预后评估。

如果还有时间（和经费），就尝试做下动物模型和机制，以研究因果关系，如结果和预期一致，就有希望往下做人体实验。。。

在这个基础上我们发现，需要掌握的统计分析其实只有3类：

#在这里我推荐大家，好好阅读下宁光院士团队2017年发表的Gut microbiome and serum metabolome alterations in obesity and after weight-loss intervention。可谓组学研究的标本，从：人体标本看到结论>动物实验证实>人体手术侧证。

有同学提出问题，图形的种类是不是有点少？不少，五花八门的图无非是基础图形的“资料片”。

举个例子，经常有同学向我提出需求：帮我画个PCA图。当然，我明白他实际上的意思是：把所有的数据用PCA降纬分析，然后用散点图展示。

附相关方法介绍：

一文看懂PCA主成分分析

用R语言对表达谱样本做PCA分析

R语言学习 - 散点图绘制

R语言学习 - 热图绘制 (heatmap)

听说你还不会画热图

以这个为目标前进，一定事半功倍。Anyway，talk is cheap，就说这么多，动手练习吧。