在ggplot2中标记特定点

Question

我正在尝试在 ggplot2 中的特定散点图中标记各个兴趣点。我的数据作为具有多列的 csv 文件存在。

Gene       chr    start    stop      A      B       C       D      E
APOBEC3G   chr22  39472992 39483773  97.06  214.56  102.34  20.00  19.45  
APOBEC3C ... 

等等等等。我正在尝试通过 ggplot 绘制 A 列与 B 列，我成功了，并且可以用相应的基因名称标记所有点。但是，我如何突出显示（即颜色、大小变化）感兴趣的单个基因？ （又名：如何使我手头上的 10 个基因列表的数据点脱颖而出？或者如何在散点图上注释我感兴趣的基因而不注释所有其他点？）

我尝试过使用 subset 函数，但我在 R 的新手角色让我有点束手无策。

Answer 1

您需要创建一个新变量来区分要突出显示的观察结果。

让我们模拟一个data.frame：

df <- data.frame(genes=letters,
                 A=runif(26),
                 B=runif(26))

你当前的情节应该是这样的（点+标签）：

ggplot(data=df,aes(x=A,y=B,label=genes)) +
  geom_point() +
  geom_text(hjust=-1,vjust=1)

为了突出一些基因，我们创建了一个新变量，组。我将“重要”分配给一些任意基因。您可能希望以编程方式执行此操作，例如查找异常值。

df$group <- "not important"
df$group[df$genes %in% c("d","g","b")] <- "important"

现在，有两种方法可以分离基因。最特殊的是为两组（一种用于重要基因，一种用于不重要基因）赋予一种颜色（或形状，或大小等）。这很容易通过将新变量映射到颜色（或大小、形状等）来实现：

ggplot(data=df,aes(x=A,y=B,label=genes)) +
  geom_point(aes(color=group)) +
  geom_text(hjust=-1,vjust=1)

但是，您也可以将每个组绘制在单独的图层上。要清楚地突出重要基因。在这种情况下，我们首先添加所有点，然后添加一个新的geom_point，它只包含重要的基因，具有特殊的属性（这里是颜色和大小）。

ggplot(data=df,aes(x=A,y=B,label=genes)) +
  geom_point() +
  geom_point(data=df[df$group == "important",],color="red",size=3) +
  geom_text(hjust=-1,vjust=1)