Как построить несколько звездочек для значимости в графическом графике ggplot?

Question

Я создал фасетный график в ggplot2 с несколькими наборами данных, представленными на каждом рисунке в виде линейных диаграмм. Некоторые из точек данных значительны в соответствии со статистическим тестом (p ≤ 0,05). Я хотел бы указать это на сюжет со звездочкой над важными точками данных. I found this example of having asterisks displayed above the significant values

Цвет звездочки должен соответствовать цвету набора данных, используемого на графике. И когда для этой точки на оси х есть несколько значительных наборов данных, звездочки должны быть уложены вертикально, чтобы они не заслоняли друг друга путем перекрытия.

В моих входных данных у меня есть дополнительная колонка с p-значением. Может ли кто-нибудь указать мне на способ сделать это ggplot2 (если это вообще возможно) или помочь мне с кодом.

Мой текущий участок (легенда обрезаны с правой стороны, чтобы сделать остальную часть фигуры здесь больше):

Мой текущий код:

ggplot(MyData,aes(x = DAF, y = Mvalue ,group=Species, colour = Species)) + geom_line(size=1.3) + xlab("Frequencies") + ylab("Score") + theme(axis.text.x=element_text(angle = -45, hjust = 0, size = 6)) + theme(axis.text.y=element_text(size = 6)) + facet_wrap(~Variant) + geom_point() 

Пример ввода данные для 2 из 9 наборов данных (остальное будет продолжаться ниже). Для получения этих данных звездочки на значимость (р ≤ 0,05) было бы для линий 6,7,8,10,14 & 19 на основе значения в последнем столбце, являющихся ≤ 0,05:

1 Species Variant DAF Mvalue pvalue 
2 Tom 5' UTR 0.1-0.19 -1.6026346186 NA 
3 Tom 5' UTR 0.2-0.29 1.1646939405 NA 
4 Tom 5' UTR 0.3-0.39 0.0003859956 9.84E-01 
5 Tom 5' UTR 0.4-0.49 0.0226744644 3.28E-01 
6 Tom 5' UTR 0.5-0.59 0.1163627387 3.22E-05 
7 Tom 5' UTR 0.6-0.69 0.1614562558 6.33E-06 
8 Tom 5' UTR 0.7-0.79 0.221583632 4.29E-06 
9 Tom 5' UTR 0.8-0.89 0.1231280752 1.42E-01 
10 Tom 5' UTR 0.9-0.99 0.5765076152 9.13E-03 
11 Tom 5' UTR 1 5.8105310419 1.87E-13 
12 Jerry 5' UTR 0.1-0.19 -0.1371122871 NA 
13 Jerry 5' UTR 0.2-0.29 -0.0539638465 4.30E-01 
14 Jerry 5' UTR 0.3-0.39 0.1666681074 1.45E-02 
15 Jerry 5' UTR 0.4-0.49 0.0081950639 9.19E-01 
16 Jerry 5' UTR 0.5-0.59 -0.1204254909 1.82E-01 
17 Jerry 5' UTR 0.6-0.69 0.1017622151 3.15E-01 
18 Jerry 5' UTR 0.7-0.79 0.1293398031 3.16E-01 
19 Jerry 5' UTR 0.8-0.89 0.2944195851 4.52E-02 
20 Jerry 5' UTR 0.9-0.99 -0.2956980914 2.12E-01 
21 Jerry 5' UTR 1 0.0746902715 7.63E-01 

Если это намного проще я мог заменить столбец p-value на 0 или 1, указывая, является ли значение значительным.

Я попытался показать свою предыдущую работу и некоторые примеры входных данных. Дайте мне знать, если я смогу улучшить свой вопрос. Спасибо за ваши предложения.

Вот dput() выход из подмножества данных в соответствии с просьбой:

structure(list(Species = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Jerry", 
"Tom"), class = "factor"), Variant = structure(c(2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), .Label = c("3' UTR", 
"5' UTR", "Missense", "Stop gained"), class = "factor"), DAF = structure(c(1L, 
2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 1L, 2L, 3L, 4L, 5L, 6L, 
7L, 8L, 9L, 10L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 1L, 
2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 1L, 2L, 3L, 4L, 5L, 6L, 
7L, 8L, 9L, 10L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 1L, 
2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 1L, 2L, 3L, 4L, 5L, 6L, 
7L, 8L, 9L, 10L), .Label = c("0.1-0.19", "0.2-0.29", "0.3-0.39", 
"0.4-0.49", "0.5-0.59", "0.6-0.69", "0.7-0.79", "0.8-0.89", "0.9-0.99", 
"1"), class = "factor"), Mvalue = c(-1.6026346186, 1.1646939405, 
0.0003859956, 0.0226744644, 0.1163627387, 0.1614562558, 0.221583632, 
0.1231280752, 0.5765076152, 5.8105310419, -0.0251257018, -0.022586792, 
0.0089090304, 0.037280128, 0.0745842692, 0.0831538898, 0.0762765259, 
0.1750634419, 0.2095647328, NA, -0.0139837967, -0.0218524964, 
-0.023889027, -0.0042744306, 0.0949525873, 0.087866945, 0.1379730494, 
0.2719542633, 0.4726727792, NA, 0.0201430038, 0.1304518218, -0.0948886785, 
-0.2329137983, -0.0901357588, 0.0504128137, -0.2308377878, 0.4422620731, 
NA, NA, -0.1371122871, -0.0539638465, 0.1666681074, 0.0081950639, 
-0.1204254909, 0.1017622151, 0.1293398031, 0.2944195851, -0.2956980914, 
0.0746902715, -0.005168038, 0.0403712226, -0.0034692714, -0.0049252304, 
-0.0089669044, -0.0604522846, 0.1061225099, 0.0180975445, -0.1843156999, 
-0.1920104157, 0.2228406046, 0.0532141252, 0.0670815638, -0.1197784096, 
-0.235101482, -0.1920644059, -0.2493575855, -0.1564613691, -0.2600385981, 
0.069079018, 0.0503810571, 0.4346052688, 0.1300533982, 0.0662828745, 
-0.4627398332, -1.081459609, -0.7693678877, -0.4865007276, -0.0230373639, 
0.4693415234), pvalue = c(NA, NA, 0.984, 0.328, 3.22e-05, 6.33e-06, 
4.29e-06, 0.142, 0.00913, 1.87e-13, NA, NA, 0.354, NA, 1.93e-07, 
7.29e-06, 0.00288, 2.48e-05, 0.1, 0.791, 0.124, NA, 0.131, 0.824, 
4.11e-05, 0.00354, 0.000711, 3.1e-05, 0.0122, 0.871, 0.73, 0.0963, 
0.367, NA, 0.574, 0.799, 0.442, 0.267, 0.319, 0.98, NA, 0.43, 
0.0145, 0.919, 0.182, 0.315, 0.316, 0.0452, 0.212, 0.763, 0.824, 
0.096, 0.896, 0.868, 0.779, 0.124, 0.0261, 0.761, NA, NA, 6.44e-22, 
0.0407, 0.0162, NA, NA, NA, NA, NA, NA, 0.481, 0.809, 0.0236, 
0.573, 0.801, 0.172, NA, 0.186, 0.449, 0.975, 0.513)), .Names = c("Species", 
"Variant", "DAF", "Mvalue", "pvalue"), class = "data.frame", row.names = c(NA, 
-80L)) 

Answer 1

Вот решение. Он работает с 2 видами, как в вашем примере, но должен работать с большим количеством видов.

library(data.table) 
MyData <- data.table(MyData) 
MyData$signif <- ifelse(MyData$pvalue < 0.05,1,0) 

Для того, чтобы определить, когда есть больше чем 1 значение младшее на одной и той же точке

MyData[, temp:=cumsum(signif), by=c("Variant", "DAF")] 

Цикл создания звездочки «Y» значение, основываясь на точке «Y» значение + 0.5. Когда имеется n значащая точка, она увеличивает значение n-й точки «y» на n * 0,5.

for (i in 1:length(levels(MyData$Species))) { 
    MyData[temp == i , y_ast:=max(Mvalue, na.rm=TRUE)+(i*0.5), by=c("DAF", "Variant")] 
} 


ggplot(MyData,aes(x = DAF, y = Mvalue ,group=Species, colour = Species)) + 
    geom_line(size=1) + xlab("Frequencies") + ylab("Score") + 
    theme(axis.text.x=element_text(angle = -45, hjust = 0, size = 6)) + 
    theme(axis.text.y=element_text(size = 6)) + 
    facet_wrap(~Variant) + 
    geom_point()+ 
    geom_point(data = MyData[MyData$signif ==1, ],aes(x=DAF, y=y_ast),shape = "*", size=8, show.legend = FALSE) 

Если вы хотите, чтобы показать звездочки на тенденции, как я полагаю, просто заменить y=y_ast у = Mvalue в последней строке.

PS: Я использую data.table, как я привык, но y_ast значение может быть рассчитать с помощью пакета R base или dplyr например

Answer 2

Один из способов, которые могли бы работать:
набора данных, содержащий положение звездочки, то есть точки, для которых значение р является значительным

library(dplyr) 
df_asterisk=MyData%>% 
    filter(pvalue<0.05) 

Другого dataframe, который содержит значение, для которых более 1 р-значение является значительным. Добавлена ​​новая колонка id, чтобы различать разные группы.

Id_group=df_asterisk%>% 
    group_by(Variant,DAF)%>% 
    filter(n()>1)%>% 
    mutate(id=data.table::rleid(Mvalue)) 

MVALUE используется для позиции *, мы меняем его в dataframe используется для отображения. Я использовал значение столбца id, созданного ранее для дифференциации звездочки (без перекрытия). Более простой подход может состоять в том, чтобы игнорировать этот шаг и добавить случайный компонент в отображение (и перерисовать, если не удовлетворительно). df_asterisk[with(df_asterisk,duplicated(interaction(Variant,DAF))|duplicated(interaction(Variant,DAF),fromLast = T)),]$Mvalue<-(df_asterisk[with(df_asterisk,duplicated(interaction(Variant,DAF))|duplicated(interaction(Variant,DAF),fromLast = T)),]$Mvalue)+Id_group$id/4

Участок:

ggplot(MyData,aes(x = DAF, y = Mvalue ,group=Species, colour = Species)) + 
    geom_line(size=1.3) + 
    xlab("Frequencies") + 
    ylab("Score") + 
    theme(axis.text.x=element_text(angle = -45, hjust = 0, size = 6)) + 
    theme(axis.text.y=element_text(size = 6)) + 
    geom_point()+ 
    geom_text(data=df_asterisk,aes(x=DAF,y=Mvalue),label="*",size=5,nudge_y=1)+ 
    facet_wrap(~Variant) 

меняю DataPoint иметь 2 р-приобретает важное значение в DAF для 5' , чтобы увидеть, как он выглядел.