在火山图上标记基因
要玩图，离不开哈德雷大神的《R数据科学》，第1章和21章是专门讲图的，我写过对应的笔记：
https://www.jianshu.com/p/4a154f6f0de7
https://www.jianshu.com/p/bf0f12246865
关于火山图加标签的需求，这里有几种方法来实现。
示例数据
方法一的示例数据是data.Rdata，方法二三的示例数据是test.Rdata。我将数据打包放在了“生信星球”公众号后台，回复“火山图”即可获得。你解压后双击文件夹里的volcano.Rproj，复制粘贴运行本文代码即可。
方法一：利用空字符串“”
原理：空字符串“”=nothing
关于空字符串，我曾写过一篇文章来讲他：https://www.jianshu.com/p/aef98f3fc7d8
这种方法的参照是帮助文档里的一段代码：
(先准备好包)
if(!require(ggplot2)) install.packages('ggplot2')if(!require(ggrepel)) install.packages('ggrepel')if(!require(dplyr))install.packages('dplyr')library(ggplot2)library(ggrepel)library(dplyr)代码来源
下面代码来源于geom_text_repel的帮助文档
p <- ggplot(mtcars, aes(wt, mpg, label = rownames(mtcars), colour = factor(cyl))) + geom_point()# Hide some of the labels, but repel from all data pointsmtcars$label <- rownames(mtcars)mtcars$label[1:15] <- ''p + geom_text_repel(data = mtcars, aes(wt, mpg, label = label))做出的图是这样：
可以看到，一部分点有标签， 一部分没有，思路就是把不要标签的部分变成空字符串“”。
学以致用
火山图的本质就是点图，那么在火山图上标记部分基因，就是在点图上标记部分点。
参考这个思路为火山图加标签：
（美图预警）
step1:先把图画出来
load('data.Rdata')head(data)# symbol p.value FC change #1 PCMTD2 1.53544e-11 1.3548360 Stable #2 KIAA0087 6.71382e-13 0.7314603 Stable #3 AFAP1L1 4.24611e-12 0.6284560 Stable #4 CHMP1A 3.76821e-09 1.6035994 Stable #5 TRERF1 1.80652e-08 0.6875469 Stable #6 C8B 7.88047e-04 1.2374303 Stable data$change = ifelse(data$p.value < 0.000001 & abs(log2(data$FC)) >= 1, ifelse(log2(data$FC)> 1 ,'Up','Down'), 'Stable')p <- ggplot(data = data, aes(x = log2(data$FC), y = -log10(data$p.value), colour=change, label = data$symbol)) + geom_point(alpha=0.4, size=3.5) + scale_color_manual(values=c('blue', 'grey','red'))+ xlim(c(-4.5, 4.5)) + geom_vline(xintercept=c(-1,1),lty=4,col='black',lwd=0.8) + geom_hline(yintercept = -log10(0.000001),lty=4,col='black',lwd=0.8) + labs(x='log2(fold change)', y='-log10 (p-value)', title='Differential metabolites') + theme_bw()+ theme(plot.title = element_text(hjust = 0.5), legend.position='right', legend.title = element_blank())pstep2:筛选部分基因，用于显示在图上
想在图上做修改，一半是调参数，一半是调数据。我们现在要做的就是调数据：要标记的，label=基因，无需标记的，label=“”。
⭐重点就在这里：
data$label=ifelse(data$p.value < 0.000001 & abs(log2(data$FC)) >= 1,data$symbol,'')step3：将文字图层叠加上去
p+geom_text_repel(data = data, aes(x = log2(data$FC), y = -log10(data$p.value), label = label), size = 3,box.padding = unit(0.5, 'lines'), point.padding = unit(0.8, 'lines'), segment.color = 'black', show.legend = FALSE)但是我发现，这个只是适用于数据量比较小的时候，这个例子只有170个点，而一般来说火山图数以万计的行，用这个方法容易失败。下午尝试了几次大的数据，结果Rstudio无一例外的嘎嘣了。
方法二：看R数据科学
代码来源
以下代码出自R数据科学笔记第21章，原书第312页：
best_in_class <- mpg %>% group_by(class) %>% filter(row_number(desc(hwy)) == 1)ggplot(mpg, aes(displ, hwy)) + geom_point(aes(color = class)) + geom_point(size = 3, shape = 1, data = best_in_class) + ggrepel::geom_label_repel( aes(label = model), data = best_in_class )这个方法适用于较大的数据。
端详代码找思路
1.从原来数据中挑选了一部分，生成新数据
2.用新数据作图，向原数据做的点图上叠加两个图层，一个空心点图，一个geom_label_repel。
step1：先把火山图画出
load('test.Rdata')p <- ggplot(data = test, aes(x = logFC, y = `-log10(P.value)`)) + geom_point(alpha=0.4, size=3.5, aes(color=change)) + scale_color_manual(values=c('blue', 'grey','red'))+ geom_vline(xintercept=c(-1,1),lty=4,col='black',lwd=0.8) + geom_hline(yintercept = -log10(0.01),lty=4,col='black',lwd=0.8) + theme_bw()pstep2：生成用于添加图层的新数据
⭐重点在这里
新数据框的内容是你想要标记的基因，这里根据logFC和Pvalue的大小来筛选，可以自定义阈值来调整要显示的基因的数量：
for_label <- test %>% filter(abs(logFC) >4& `-log10(P.value)`> -log10(0.000001))step3:新图层叠加到原图上去
p + geom_point(size = 3, shape = 1, data = for_label) + ggrepel::geom_label_repel( aes(label = symbol), data = for_label, color='black' )加号连接两句代码就实现了图层的叠加，如果对ggplot2不了解，请看R数据科学第一章和第21章。但21章是整本书的错误重灾区，请看我的笔记有改正后的代码。
方法三：ggpubr的函数有现成的参数
这个函数叫ggscatter，还是用刚才的test数据来做。
代码来源
网易云课堂的GEO数据库挖掘实战演练视频
由于ggpubr写纵坐标时直接写-log10（P.value）不识别，可采取迂回策略，改列名，完事再在图上改纵轴标签。
load('test.Rdata')if(!require(ggpubr))install.packages('ggpubr')library(ggpubr)colnames(test)[4] <- 'v'ggscatter(test, x = 'logFC', y ='v', ylab='-log10(P.value)', size=0.5, color = 'change', palette = c('#00AFBB', '#999999', '#FC4E07') )然后加标签，是现成的参数“label.select”。接受的参数数据结构应该是向量。
可以手动选一二三四个感兴趣的基因
ggscatter(test, x = 'logFC', y = 'v', ylab='-log10(P.value)', color = 'change', size = 0.5, label = 'symbol', repel = T, palette = c('#00AFBB', '#999999', '#FC4E07') , #label.select = dat$symbol[1:30] , label.select = c('CD36', 'DUSP6', 'DCT', 'SPRY2', 'MOXD1', 'ETV4' ) )也可以用向量取子集的方法来取很多个
比如差异基因前30个
ggscatter(test, x = 'logFC', y = 'v', ylab='-log10(P.value)', color = 'change', size = 0.5, label = 'symbol', repel = T, palette = c('#00AFBB', '#999999', '#FC4E07') , label.select = test$symbol[1:30] )