1.JRI中主要的API
Rengine R引擎,通过它进行R语言的启动、运算、画图、关闭等功能。
一个线程只能实例化一次,推荐使用单例模式。
实例化代码:
Rengine engine = new Rengine(null,false,null)
Rengine.versionCheck() //R版本校验,返回true:版本校验通过 返回false:版本校验未通过
engine.waitForR() //R加载校验,返回true:加载成功 返回false:加载失败
engine.end() //结束R,在后续没有调用R的情况下使用,否则R将退出,不能继续使用R。
2.REXP
R计算结果表达式
REXP rexp = engine.eval_r(String str) //执行R命令,返回结果REXP
rexp.asInt() rexp.asDouble() rexp.as.. //将REXP转成java类型
engine.assign(String name,double d) //定义R变量,name为R中变量的名字
以上大概了解了JRI的基本API,下面写个简单的例子。
//求n个数的最大值
Rengine engine = new Rengine(null,false,null)
int[] arr = new int[]{-1,2,1,-3,5,4,-2}
engine.assign("x",arr)
REXP rexp = engine.eval_r("max(x)")
int max = rexp.asInt()
System.out.println(max)
engine.end()
热图是科研论文中一种常见的可视化手段,而在转录组研究领域,我们常常需要分析一些基因与基因之间的相关性,来判断生物样本中是否存在共表达情况,以及共表达基因模块。除了基因集之间,其他方向,比如免疫细胞群体之间相关性,样本的相关性,也常常用相关性热图的形式进行展示。总而言之,往大了说,任何表征相关性的数值都可以用相关性热图来进行绘制。
常规热图示例
我们先来看看下面这张图,这是一篇发表在 PLoS Medicine (IF = 11.048) 上的文章图,来看 22 种免疫细胞群体之间的相关性,其中红色的颜色代表正相关,蓝色代表负相关。每一格的数字代表相关系数。这是一种经常会用到的图形,不同于常规热图。常规热图中的每行代表一个观察值,每列代表一个样本,而我们在本次教程中,将为大家带来更高级,也更美观的相关性热图。
相关性热图
Step 1: R 包安装和数据输入
首先是安装必须 R 包,在这里我们需要用到 ggcorplot 和 ggthemes 这两个R包。
然后我们读入R表达谱数据。
数据一共有 10 个样本和 20 个基因,每一行为一个基因,每一列为一个样本,我们需要看这 20 个基因在这 10 个样本中的共表达情况,也就是基因和基因之间的相关性。
Step 2: 相关性计算
为了表示基因与基因相关性,我们除了要计算它们的相关性系数,还需要计算体现其显著性的 P 值。
计算相关性系数并显示前 6 个基因之间的相关性。相关性系数大于 0 为正相关,小于 0 为负相关。
计算基因与基因之间的相关性 P 值,其中 P 小于 0.05 认为这两个基因之间相关性是显著的。
Step 3: 相关性热图绘制
使用 ggcorplot 绘制基因与基因之间相关性热图。
Step 4: 初级美化 Circle
美化第一步,我们将矩形热图改成圆形
是不是大家瞬间觉得眼前一亮?
Step 5: 中级美化 Clustering
虽然有所美观,但是,这样上面一张相关性热图还是存在问题的,大家是否发现热图中的点非常乱,让人没办法捕捉到其中的规律,不容易让人一眼抓住重点。所以,我们要对基因进行聚类。
这张热图,已经是非常漂亮了,放在文章中绝对让人眼睛一亮,正相关负相关基因清清楚楚。
Step 6: 高级美化 Triangle
当然,我们还可以进一步改善。因为相关性之间其实是有对称在的,左上角和右下角的图其实是一样的,这样绘制比较占版面。只绘制左上角的热图,可以让我们的图看起来没有那么臃肿。
Step 7: 终级美化 Label
那么如何显示相关性强弱呢,虽然颜色和点的大小可以看出来,但是毕竟没有那么直观。所以我们将相关性系数加上,并更改热图颜色。
这样基因相关性热图就相当完美了,可以直接放在文章图中,而且比 PLoS Medicine 那篇文章看起来更漂亮呢。
Step 8: 究级美化 Omit
不过,如果我们想知道哪些基因显著性是小于 0.05 的呢,虽然颜色和点的大小以及相关性系数可以看出来,但是如果被老板们问起,模棱两可的回答,可是相当危险的哦。所以,我们把显著性p值加上,并且直接隐藏 P 小于 0.05 的基因。
1.利用R包rworldmap &rworldxtra来作图。2.已有的map数据中一个国家对应一个坐标,一个国家边界,利用这些已有数据+用户数据构建新的画图数据(其他新添加的图均是如此)。
文件逗号分隔,每列的说明:
1.ID
新的类对象属性ID,自定义,等于原来map中的11列ADMIN
2.Name
后期绘图匹配项,同ID即可,等于原来map中的19列NAME
3.LON
绘图时的经度33列LON
4.LAT
绘图时的纬度34列LAT
注意:这里的经纬度是你自己想要标记饼图的经纬度(起到随意标记点的作用)
5.国家名
和原始map文件中的第11列ADMIN ID对应,每个国家都有一个坐标多边形区域,必须把坐标点画在某个国家内
6.饼图分块-1
7.饼图分块-2
8.legend名字
这里一个饼图只分成2部分,用户可自定义添加更多
成品如下
撰文&编辑:VickieQ
校对:HCLO4 &花毛