跟著Nature Communication學繪圖
之Supplementary Figure 1的繪製
大家好，我是阿琛。經過前面幾期的內容學習，大家已經學習了初步的資料處理和簡單視覺化內容。今天，我們將在前面的分析結果基礎上，進一步對資料結果進行處理和視覺化處理。
首先，我們來看下Supplementary Figure 1的內容。在圖中，分別對未經校正和校正以後的表達資料進行了視覺化展示。在上一期的內容中，我們講述了Supplementary Figure 1A的繪製；在此，我們將接下來進一步講述剩下幾張圖的繪製方法。
下面，我們一起來看下Supplementary Figure 1相關圖的繪製過程。
一、R包載入
分析之前，我們需要載入了所需要的R包，包括tidyverse包，Seurat包，以及ggplot2包；同時，載入相關的自定義函式，用於後續的分析使用。
二、讀取資料
接下來，我們對資料進行讀取和預處理。在上次的分析過程中，我們對原始腫瘤表達資料和細胞系表達資料進行了合併，分別得到了未經過校正的表達資料和校正後的表達資料。在此，根據文章內容結果，我們首先讀取未經過校正的表達資料來複現補充圖1B和1C兩張圖（Supplementary Figure 1B和Supplementary Figure 1C）。
讀取表達資料後，在註釋資訊metadata中，可以看到，其中包含了26列不同的內容，包括樣品名，型別，亞型，疾病，分組情況，以及UMAP分析後的數值等等。
考慮到Supplementary Figure 1B和Supplementary Figure 1C分別對腫瘤樣品和細胞系樣品進行了視覺化展示，因此根據其不同的型別type內容，對註釋資訊進行整理，得到了腫瘤樣品資訊TCGA_ann和細胞系樣品資訊CCLE_ann兩組。
三、Supplementary Figure 1B復現
然後，我們開始復現文章中的內容。首先，來看一下如何對腫瘤組織的表達情況進行視覺化展示，得到Supplementary Figure 1B的內容。
根據不同聚類分組情況uncorrected_tumor_cluster，使用group_by（）函式聯合summarise（）函式，分別對UMAP_1和UMAP_2進行總結分析。
結果顯示：
接著，在正式的繪圖前，對文字內容進行設定。
結果顯示：
最後，使用ggplot2包的ggplot（）函式，以UMAP_1為x軸，UMAP_2為y軸，根據不同的聚類情況，進行視覺化展示。
結果顯示：
四、Supplementary Figure 1C復現
同理，我們對Supplementary Figure 1C的內容來進行視覺化展示。
結果顯示：
結果顯示：
結果顯示：
到此，Supplementary Figure 1B和Supplementary Figure 1C已經復現出來了。
五、Supplementary Figure 1D復現
最後，我們來看一下Supplementary Figure 1D的內容。
d
Clustering of the Celligner-aligned tumor and cell line expression data colored and labeled by the clusters identified.
從Figure Legends中我們可以發現，其中使用的是經過校正處理後的腫瘤樣品和細胞系綜合表達資料。因此，我們需要讀取上一次分析得到的分析結果。
讀取校正後的表達資料，並提取其中的註釋資訊metadata。
結果顯示：
由於與前面的註釋資料相比，該資訊中缺少了UMAP分析的結果，因此我們需要透過Embeddings（）函式提取分析結果，並將其與註釋資訊相合並。
結果顯示：
結果顯示：
隨後，使用geom_text（）函式設定用於繪圖的文字資訊。
結果顯示：
結果顯示：
當然，這個結果由於UMAP非線性降維的差異，與原文存在一定的差異。大家也可以直接下載作者提供的UMAP分析結果，讀取進來後使用這個程式碼來進行繪圖。
到此，前期的資料處理準備和視覺化過程就處理完成了～大家可以根據這三期的內容來進行回顧學習。
回覆“
阿琛61
”即可獲得本次的資料和程式碼～
系列傳送門
—END—
撰文丨阿 琛
排版丨四金兄
主編丨小雪球