图有毒系列之2：不仅毒还很贵！

这个是暑期课程准备，图有毒系列。

昨天的有毒系列里我们出了一张，

Y叔推荐的这个图有毒！

我师弟说，这是他第一次被R语言击中！

今天我们还讲昨天那个神包。 

以前我在生信技能树推荐过嘉因生物小哈的神奇技能，这个技能我给的报价是10万。(跟我打赌会输的，我说10万就是10万)

神技能！批量解决哪个转录因子调控你的基因

假如我们确定了研究的分子，往下游走可以做功能，往上游走可以看调控，那这个技能就可以告诉你，哪些转录因子可以调控你的分子。

不做实验出来的图大概会是这样子的。 

这时候，我们再把找到的转录因子和我们自己的分子做个相关性分析，一起展示出来，作为国自然的基金申请图，是十分好的。

神奇的TCGA数据库GEPIA里面可以做相关性分析，我给他写过一个帖子。

中国制造:碉堡的TCGA可视化网站GEPIA

我们以FOXA1和ESR1为例， 

做出来的图是这个样子的：

能用，但是不好看！

我们用昨天的包来试试，数据还是昨天整理好的那个数据，2万个基因的表达都在里面。

1. library(ggstatsplot)

2. ggscatterstats(data = exprSet,

3.               y = FOXA1,

4.               x = ESR1,

5.               centrality.para = "mean",                              

6.               margins = "both",                                        

7.               xfill = "#CC79A7",

8.               yfill = "#009E73",

9.               marginal.type = "histogram",

10.               title = "Relationship between FOXA1 and ESR1")

一样的有统计分析的结果，除了相关性分析，图的边上还有表达量的数据，中间横竖的两条线分别是平均值的线 

假如觉得柱状图不好看，可以选择其他的

比如，密度图

1. library(ggstatsplot)

2. ggscatterstats(data = exprSet,

3.               y = FOXA1,

4.               x = ESR1,

5.               centrality.para = "mean",                              

6.               margins = "both",                                        

7.               xfill = "#CC79A7",

8.               yfill = "#009E73",

9.               marginal.type = "density",

10.               title = "Relationship between FOXA1 and ESR1")

比如，箱线图

1. library(ggstatsplot)

2. ggscatterstats(data = exprSet,

3.               y = FOXA1,

4.               x = ESR1,

5.               centrality.para = "mean",                              

6.               margins = "both",                                        

7.               xfill = "#CC79A7",

8.               yfill = "#009E73",

9.               marginal.type = "boxplot",

10.               title = "Relationship between FOXA1 and ESR1")

比如，小提琴图

1. ggscatterstats(data = exprSet,

2.               y = FOXA1,

3.               x = ESR1,

4.               centrality.para = "mean",                              

5.               margins = "both",                                        

6.               xfill = "#CC79A7",

7.               yfill = "#009E73",

8.               marginal.type = "violin",

9.               title = "Relationship between FOXA1 and ESR1")

这样的图，内容上没有多大变化，就是美观。

一样的，我们的数据没有变化，只是多用了一个Ｒ包。

所以，调整数据能力很重要，很简单，但需要学习。

手握重器的时候，不怒自威。 我们共同进步。

假如你对作图前的这一套通用技能感兴趣，可以看看这篇

我们也要开班讲临床医生的数据挖掘了（R,GEO,TCGA）。