在 ggplot2 中标记或突出显示特定行

Question

我有一个很好看的 geom_tile 图，但我需要一种方法来突出显示特定行或根据二进制值标记特定行。

这是一小部分宽格式数据和结果输出：

df <- structure(list(bin_level = c(0,1), sequence = c("L19088.1", "chr1_43580199_43586187"), X236 = c("G", "."), X237 = c("G", "."), X238 = c("A", "a"), 
    X239 = c("T", "C"), X240 = c("A", "c"), X241 = c("G", "G"
    )), class = "data.frame", row.names = 1:2)


> df
  bin_level               sequence X236 X237 X238 X239 X240 X241
1         0               L19088.1    G    G    A    T    A    G
2         1 chr1_43580199_43586187    .    .    a    C    c    G

实际数据集要大得多，有 3096 个变量的 1045 个观测值。

我的目标是将这个庞大的数据集绘制成一个热图，其中每个不同的核苷酸和能够区分 bin_levels 为 0 和 1 的行。

以下代码构成了一个很好的情节，但不包括我需要看到的 bin_level 差异。如果 bin_level 为 1，我想突出显示整行，但我还没有找到任何关于如何做这样的事情的信息。我已经为 aes 填充变量使用核苷酸，所以我需要其他东西。到目前为止，我想出的最佳选择是为行标签着色。我使用中的信息尝试使用 ifelse 语句根据 bin_level 变量进行着色。

这里最大的问题是

行轴标题太长太多不好看
只有 53 bin_level 行带有 1（总共 1045 行），那么为什么它看起来比应该的红很多？
我想要情节顶部的红色标签 (bin_level =1's)，black/red 的混合让我觉得我的安排 (bin_level) 作品不是'不能正常工作。

如果您知道更好的方法来完成我正在努力完成的事情，或者可以帮助我的代码比目前更好地工作，请告诉我。谢谢！

df %>%
  ## reshape to long table
  ## (one column each for sequence, position and nucleotide):
  pivot_longer(-c("Sequence", "bin_level"), ## stack all columns *except* sequence and bin_level
               names_to = 'position',
               values_to = 'nucleotide'
  ) %>%
  arrange(bin_level) %>%
  ## create the plot:
  ggplot() +
  geom_tile(aes(x = position, y = Sequence, fill = nucleotide),
            height = 1 ## adjust to visually separate sequences
  ) +
  scale_fill_manual(values = c('a'='#ea0064', 'c'='#008a3f', 'g'='#116eff',
                               't'='#cf00dc', '\U00B7'='#000000', 'X' ='#ffffff'
  )
  ) +
  labs(x = 'x-axis-title', y='Sequence') +
  ## remove x-axis (=position) elements: they'll probably be too dense:
  theme(axis.title.x = element_blank(),
        axis.text.x = element_blank(),
        axis.ticks.x = element_blank(),
        axis.ticks.y = element_blank(),
        axis.text.y = element_text(colour = ifelse(levels(df$bin_level)==1, "red", "black"))
  )

Answer 1

虽然您在将数据输入 ggplot 之前按 bin 级别排列数据，但绘图的垂直排列遵循 y-value（即：序列）。您可以创建 bin_level 和序列的组合来排列和绘制数据：

df %>%
    ...
    ## reformat bin_level to a three-digit character, so that
    ## 002 properly precedes 011 (otherwise 11 would come before 2) 
    mutate(dummy = paste(sprintf('%03.0f', bin_level),
                   Sequence, sep = '_')) %>%
    arrange(dummy) %>%
    ...

## ggplot instructions:
ggplot() + ... +
    geom_tile(aes(y = dummy, ...)) +
    ## remove the bin_level prefix ('00x_') for labelling:
    scale_y_discrete(labels = gsub('.*_', '', df$dummy)) +
    ... +
    theme(axis.text.y = element_text(
                        ## note: df$bin_level NOT levels(df$bin_level)
                        colour = ifelse(df$bin_level == 1, "red", "black"))
    )

请注意，使用 element_text 为标签着色可能在未来不起作用：

Vectorized input to element_text() is not officially supported. Results may be unexpected or may change in future versions of ggplot2. (console warning)

Answer 2

虽然在某些情况下将颜色矢量传递给 element_text() 是一个快速选项，恕我直言，但在更一般的情况下，它很容易出错，并且需要密切关注您订购数据的方式。相反，我建议看一下 ggtext 包，它引入了主题元素 element_markdown 并允许使用一些 HTML、CSS 和 markdown 来设置文本样式。

此外，除了@I_O 已经指出的问题之外，另一个问题是您将数据操作步骤与绘图代码放在一个管道中。因此，当您按 bin_level 排列数据时，您使用的是原始的未经处理、未经排列的数据集 df，顺便说一下，它仍然是用于颜色分配的宽格式。这就是为什么我个人总是建议将数据整理和绘图分开，除了非常简单的情况。

最后，虽然您按 bin_level 排列数据，但真正重要的是 sequence 的顺序，即您必须在排列后设置 sequence 的顺序，我使用forecast::fct_inorder.

注意：为了使您的示例更加真实，我复制了您的数据集以添加另外两行。

library(tidyr)
library(dplyr)
library(ggplot2)

df_long <- df %>%
  pivot_longer(-c("sequence", "bin_level"),
    names_to = "position",
    values_to = "nucleotide"
  ) %>%
  arrange(bin_level) %>%
  mutate(
    sequence = if_else(bin_level == 1, paste0("<span style='color: red'>", sequence, "</span>"), sequence),
    sequence = forcats::fct_inorder(sequence))

ggplot(df_long) +
  geom_tile(aes(x = position, y = sequence, fill = nucleotide),
    height = 1
  ) +
  scale_fill_manual(values = c(
    "a" = "#ea0064", "c" = "#008a3f", "g" = "#116eff",
    "t" = "#cf00dc", "\U00B7" = "#000000", "X" = "#ffffff"
  )) +
  labs(x = "x-axis-title", y = "Sequence") +
  theme(
    axis.title.x = element_blank(),
    axis.text.x = element_blank(),
    axis.ticks.x = element_blank(),
    axis.ticks.y = element_blank(),
    axis.text.y = ggtext::element_markdown()
  )

数据

df <- structure(list(
  bin_level = c(0, 1), sequence = c("L19088.1", "chr1_43580199_43586187"), X236 = c("G", "."), X237 = c("G", "."), X238 = c("A", "a"),
  X239 = c("T", "C"), X240 = c("A", "c"), X241 = c("G", "G")
), class = "data.frame", row.names = 1:2)

df1 <- structure(list(
  bin_level = c(0, 1), sequence = c("L19088.2", "chr1_43580199_43586187.2"), X236 = c("G", "."), X237 = c("G", "."), X238 = c("A", "a"),
  X239 = c("T", "C"), X240 = c("A", "c"), X241 = c("G", "G")
), class = "data.frame", row.names = 1:2)

df <- dplyr::bind_rows(df, df1)

在 ggplot2 中标记或突出显示特定行

Label or Highlight Specific Rows in ggplot2

r

ggplot2

geom-tile