欢迎关注”生信修炼手册”!
下图是来自文献中的一个示例图，展示了不同亚型之间risk score值的差异分析结果
从图形的主题可以看出，这是一幅基于ggplot2绘制的图片，但是如果完全基于ggplot2的基础函数的话，我们需要手动绘制组间比较的连线，计算对应的坐标并添加p值，虽然也可以实现，但不免太过繁琐。
想要更加便利的展示组间差异的结果，可以使用ggpubr这个R包。这是一个基于ggplot2的拓展包，体用了丰富的可视化功能，差异标记的可视化仅仅是其功能之一。
首先来看下其基本用法，代码如下
> library(ggpubr)载入需要的程辑包：ggplot2Want to understand how all the pieces fit together? Read R for DataScience: https://r4ds.had.co.nz/> data("ToothGrowth")> df > head(df, 4) len supp dose1 4.2 VC 0.52 11.5 VC 0.53 7.3 VC 0.54 5.8 VC 0.5> ggviolin(df, x = "dose", y = "len", fill = "dose",add = "boxplot", add.params = list(fill = "white"))
ggviolin函数提供了小提琴图的可视化功能，通过add=boxplot在小提琴图的基础上添加了箱体图，效果图如下
接下来添加差异分析的p值， 代码如下
> ggviolin(+ df, x = "dose", y = "len",+ fill = "dose",+ add = "boxplot",+ add.params = list(fill = "white")) ++ stat_compare_means()
stat_compare_means函数添加差异分析的p值，默认参数的情况下，添加组间kw检验的结果，效果图如下
也可以手动指定需要标记的分组，代码如下
> ggviolin(+ df, x = "dose", y = "len",+ fill = "dose",+ add = "boxplot",+ add.params = list(fill = "white")) ++ stat_compare_means(comparisons = list(c("0.5", "1")))
程序会自动计算坐标，标记p值，效果图如下
需要注意的是，当涉及到多组间的两两比较时，写法上比较特殊，对于3组间的两两比较，我们先看下每次指定一组差异分析的情况，代码如下
> ggviolin(+ df, x = "dose", y = "len",+ fill = "dose",+ add = "boxplot",+ add.params = list(fill = "white")) ++ stat_compare_means(comparisons = list(c("0.5", "1"))) ++ stat_compare_means(comparisons = list(c("1", "2"))) ++ stat_compare_means(comparisons = list(c("0.5", "2")))
效果图如下
可以看到，程序没有自动化的计算3组p值的位置，导致重叠了，为了避免这种情况，我们需要下列这种写法
> ggviolin(+ df, x = "dose", y = "len",+ fill = "dose",+ add = "boxplot",+ add.params = list(fill = "white")) ++ stat_compare_means(comparisons = list( c("0.5", "1"), c("1", "2"), c("0.5", "2") ))
需要把3组差异分组包含在一个list中，这样程序就会自动计算标记p值的位置，将3组p值自动化的区分开，效果图如下
除了直接标记p值外，也支持用星号代替，将代码如下
> ggviolin(+ df, x = "dose", y = "len",+ fill = "dose",+ add = "boxplot",+ add.params = list(fill = "white")) ++ stat_compare_means(+ label = "p.signif",+ comparisons = list( c("0.5", "1"), c("1", "2"), c("0.5", "2"))+ )
效果图如下
最后，来看一个官网的示例，看下以上所有参数组合使用的例子，代码如下
> comparisons c("0.5", "1"), c("1", "2"), c("0.5", "2") )> ggviolin(+ df, x = "dose", y = "len", fill = "dose",+ palette = c("#00AFBB", "#E7B800", "#FC4E07"),+ add = "boxplot", add.params = list(fill = "white")) ++ stat_compare_means(comparisons = my_comparisons, label = "p.signif") ++ stat_compare_means(label.y = 50)
效果图如下
掌握了以上用法，绘制文章开头的那张图片就不在是难事了。
原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！
本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。
转发本文至朋友圈，后台私信截图即可
加入生信交流群，和小伙伴一起学习交流。
扫描下方二维码，关注我们，解锁更多精彩内容！
