009-R与进化树

刘小泽写于18.7.10 今晚听了Y叔之前的学术分享视频R与ggtree，想和你分享

1. problems and issues

• 进化领域中树这个文件结构是比较复杂的，构建树的过程就是把数据关联到文件格式中便于可视化的过程，这种关联格式主要有：

  • 标准格式之一 newick

  • 标准格式之二 nexus：软件间兼容性不好

  • 其他一些不兼容格式

    

• 如果只是想推断一棵树，大多数只用mega。但是现在的研究会获得大量的数据(phenotypic data/ experimental data/ clinical data/ analysis data)，而且是异质性的，比如采样时间、地点，表型的观察值，实验测量数据等都是可以拿来分析有没有进化上的一些关系，mega远远不够用！但是上面的数据关联格式又不友好～

• 树的注释：

  Figtree，TreeDyn, iTOL etc 这些软件之间也是需要互相写脚本转换格式

  • restricted to pre-defined annotating utilities
  • focus on specific analyses and data types
  • non-overlapping features and hard to customise

2. R与ggtree

ggtree优势：

• 他的设计就是针对不同来源的数据，拿来可以直接注释
• 支持高水平图形语法进行树的注释：比如有一个分类数据，要根据这个对进化树上色，并且不同节点以不同形状变现出来。指定一个变量，ggtree就会做完所有的事情
• 支持多个图层组合，可以画出很复杂的图
• 可以提供用户的私人订制
• 作为R包，能够保证可重复性，自动化，利于同行的交流

为什么要写代码作图，而不是简单的点点鼠标？

同样的数据，代码会赋予它更深的内涵

鼠标操作的都是套路化的东西，你会别人也会，就像公司做的图都很sexy，但是他们并不关系你的数据体现了什么价值。只有在自己通过不断完善代码的过程中，才会对自己的数据有更深的理解，才有可能挖掘更多的信息。 现在有许多一步出图，网站工具出图，很低的学习成本，做的图数量可能也不少，但是很多时候，自己都不知道这些图是怎么出来的，另外低学习成本的工具是不提供太多的拓展空间的。不知道你有没有这样的体会，在网站上做了一个图，很好看，基本符合预期，但是有一些线条形状/颜色或者图例位置需要改动，而网站上也没有这种设置，那么只好自己吭哧吭哧用PS、AI去编辑。心想：头脑中的图片很清楚，但为什么没有工具能帮我实现他的样子呢？于是，代码的价值就在这里

代码会带给自己一种能力，去探索自己的数据，就像在玩魔方，不同角度的观察就有不同的解答

可视化对于我们的作用：

• 有了结果，需要展示给其他人
• 还没有结果，甚至不知道从何下手，他可以帮你找到一些潜在的研究方向

为什么做生信分析必备R？

• 开源免费
• 很庞大的社区 【Bionconductor 基本你能想到的组学上的东西，别人都能提供帮助】
• 强大可视化功能

R的图形语法目前有两大类：

• base：就像纸笔模型【不带橡皮擦】，直接出图做了不能撤销 【打开R就加载】

• grid 【包括 lattice + ggplot2】 降低入门门槛； 不直接出图，导出的是一个图形对象，可以继续编辑**【相当于带了橡皮擦】** 画图是画在当前活动窗口

  • lattice：【安装R时装好，但需要自己加载】 处理多维数据； 使用grid修改细节，比ggplot2简单

  • ggplot2: 【需要自己安装并加载】 使用图形语法，不用纠结太细枝末节的东西（比如那条线用什么颜色，它会帮你上色）； 作图更美观

    • 【图形都是点–线–面组合起来的】 ggplot2最基本的元素：

      数据data + 几何对象geom（用于映射数据）+ 坐标（一般都是笛卡尔） geom又包括了： 美学aesthetics：描述了可视化的特征（比如数据中对应点的位置、大小、颜色、形状） 标尺scales：可视化的东西如何转为可以显示的值（比如取色范围、点映射范围），比如画气泡图就是把点的映射范围放大

    • ggplot2作图模版：

      ggplot()+
        geom_... ([data=data frame]
                  [aes(variable mappings)--关于映射设定]
                  [non-variable adjustments]--全局设定)
            
      下面就是数据和图片的对应关系：
      散点图关于Length和Width的，根据Species上色
      

      

      复杂的图片就对应许多的图层layer，就像PS一样： 【这张图看明白，就掌握了ggplot2的精髓，同时对以后使用ggtree也大有帮助】

      

  归根结底：时刻记着做图的目的，是要呈现数据，而不是把图搞得多么漂亮。数据可视化的精髓在于探索数据～推荐学习ggplot2和grid

3. ggtree的用法

能不能把自己的数据呈现出来对于初学者是非常重要的！ 一开始不要纠结于图片的美观，那些东西都可以交给美工处理， 也不要妄想用代码修改图片，因为那会比较复杂，耗时太久导致拖延 大家的脑容量都是有限的，记不住太多的细节，把细节放在外脑就好

树的操作：

• viewClade: 对进化分枝操作【画出一个分枝，然后旁边辅之一整棵树作为参考】

  

• groupOTU & groupClade: 把不同的分枝放在一起，赋予不同的颜色、线条

  

• scaleClade: 把分枝变大或变小

  

• collapse & expand: 不展示某些不需要的节点具体分枝【可以逆向操作】

  

• rotate & flip: 可以把一个分枝旋转180度

  

• open_tree & rotate_tree: 把圆圈的树弄一个开口，然后还能旋转，弄成一个扇形

  

• rescale_tree: 更改树的范围区间，可以放大可以缩小，并且可以用不同颜色表示不同范围区间的树

  

树和数据怎么结合？

• 两种需求：

  1. 把数据比对到树上，在树上展示数据 Mapping data to the tree structure; 【图中的各个颜色的点就是比对到树上的数据，几组数据就用几个图层】

  

  2. 自己有数据并把他们做了可视化，但是想把数据的图和进化树对应拼接在一起【并非简单拼接两张图！要是要画出点图/箱线图/小提琴图等等来匹配树，或者根据树的结构重构数据的图】 Aligning graph to the tree based on tree structure

  

• 两种方法：

  1. 对于第一种需求：使用%<+% 插入一个数据到树的图层中去
  2. 对于第二种需求，使用facet_plot 分面画图，会把数据放到树中自动调整

ggtree的拓展

emojifont包、seqcombo

编程的语言学习

就想学习日常语言一样，我们除了母语还会学其他的语言，但是遇到什么问题第一时间反应就是说母语。编程语言也是如此，找一个自己领域社区最常使用的python/perl/R等，再深入学习，保证他能成为你的母语，让你有什么问题第一时间就想用它解决，这样就算学好了编程语言