【绘图进阶】之交互式可删减分组和显示样品名的PCA 图（三）

生信团上海天昊生物
随着高通量测序技术的进步，测序样品数量和分组也越来越多。当样品数目很多，传统的PCA图上显示的密密麻麻，无法通过PC1、PC2的位置识别对应的样品；当分组较多的情况下，删减部分分组，对重新观测有更好的帮助。这里，我们介绍一种新的PCA图绘制方法，用于解决这类问题。

文章导读

1、安装和加载R包

2、数据读取与合并

3、绘图

3.1 按照group添加颜色

3.2 按照group添加颜色，按照sub_group绘制形状

In [1]:
install.packages('docopt')

In [2]:

install.packages('plotly')

In [3]:

library(docopt)
library(plotly)

读取pca数据

In[4]:

pca_data = read.table('sample_pca.txt', header = T, check.names = F, stringsAsFactors=F)
head(pca_data)

Out[4]:

sample pc1 pc2
1 0.24040200 0.07686390
10 -0.00802218 0.01788500
100 -0.05724530 0.12847300
101 -0.14421900 -0.13638600
102 -0.06634530 0.00129863
103 -0.02240210 0.09180990

读取分组信息

In[5]:

group_data = read.table('group.xls',sep = ' ' , header = T, check.names = F, stringsAsFactors=F)
head(group_data)

Out[5]:

sample group sub_group
1 A A1
2 A A1
3 A A1
4 A A1
5 A A1
6 A A1

合并pca数据和分组信息

In[6]:

data_plot = merge(pca_data,group_data,by = 'sample' )
head(data_plot)

Out[6]:
sample pc1 pc2 group sub_group
1 0.24040200 0.07686390 A A1
2 0.02387160 0.01739140 A A1
3 0.00757584 0.12740900 A A1
4 0.11741900 0.00890982 A A1
5 0.19129100 0.01753790 A A1
6 0.03781980 0.17492200 A A1

颜色板设置
In[7]:

color_map = c('darkmagenta', 'red', 'green', 'yellow', 'cyan', 'blue')

点的大小和透明度设置

In[8]:

size=1alpha=1

3.1 按照group添加颜色

In[9]:
p1 = plot_ly(data_plot, type = 'scatter', x = ~pc1, y = ~pc2, color =~group,
text =~sample, size = size, alpha = alpha, colors =color_map)

In[10]:

htmlwidgets::saveWidget(p1, 'output1.html', selfcontained = T)

网页打开output1.html文件，如下图所示，可以选择性打开或关闭某些分组,，鼠标移动可查看样品名称。

Out[11]:

3.2 按照group添加颜色，按照sub_group绘制形状

In[11]:

p2 = plot_ly(data_plot, type = 'scatter', x = ~pc1, y = ~pc2, color =~group,
symbol =~sub_group, text =~sample, size = size, alpha = alpha, colors = color_map)

In[12]:

htmlwidgets::saveWidget(p2, 'output2.html', selfcontained = T)

网页打开output2.html文件后，如下图所示，可以选择性打开或关闭某些分组，鼠标移动可查看样品名称。

Out[12]: