标记ggplot2中的特定点

Question

我正在尝试在ggplot2中的特定散点图中标记各个兴趣点。我的数据以带有多列的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列对B列，并且我成功了，并且可以用相应的基因名称标记所有点。但是，如何突出显示（即颜色，大小变化）感兴趣的单个基因？（又名：如何确定我手头有10个基因的列表的数据点？或者如何在散点图上注释感兴趣的基因而又不注释所有其他点？）

我已经尝试过使用该subset函数，但是我在R的新手角色使我有些滞留。

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))

您当前的绘图应如下所示（点+标签）：

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

为了突出显示某些基因，我们创建了一个新变量group。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。最特质的是给两组都使用一种颜色（或形状，大小等）（一种用于重要基因，一种用于不重要的基因）。通过将新变量映射到颜色（或大小，形状等）可以轻松实现：

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。明确突出重要基因。在这种情况下，我们首先添加所有点，然后添加geom_point仅包含重要基因且具有特殊属性（此处为颜色和大小）的新点。

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)