Plot сгруппированных значения в dataframe в R

Question

У меня есть следующий dataframe:

  stat      mTADs     DE_genes 
    5267 -5.452819 chr2:167337500-167447500 chr2:167318145-167341673:+ 
    5268 4.114012 chr6:41532500-41642500 chr6:41555481-41570508:+ 
    5269 9.812369 chr10:18157500-18262500 chr10:18259929-18265882:- 
    5270 3.371969 chr17:40957500-41062500 chr17:41060000-41071996:- 
    5271 4.576930 chr17:40957500-41062500 chr17:41012431-41017507:- 
    5272 2.952151 chr11:72251250-72352500 chr11:72254857-72265270:+ 
    5273 -3.349795 chr1:174307500-174407500 chr1:174405489-174408706:+ 
    5274 -2.685897 chr13:100777500-100877500 chr13:100787949-100874025:- 
    5275 2.865269 chr13:100777500-100877500 chr13:100718488-100785594:- 
    5276 6.436959 chr4:150417500-150517500 chr4:150377761-150418774:- 
    5277 2.622196  chr7:6072500-6162500  chr7:6123828-6142951:+ 
    5278 -5.605531 chr11:48597500-48682500 chr11:48675470-48685185:- 
    5279 3.554733 chr11:48597500-48682500 chr11:48639642-48665711:+ 
    5280 4.399655 chr11:48597500-48682500 chr11:48638848-48640157:- 

Как вы видите, некоторые DE_genes попадают в тот же mTAD. Я хотел бы построить для всех DE_genes свои значения stat и сгруппировать их mTAD. Я думал о том, чтобы делать это как горизонтальный штрих-код, имеющий на оси оси гены, а по оси x - значения stat и группировать их по TAD, но сначала я не знаю, как это сделать, а во-вторых, я думал, что карта тепла может быть лучше вариант. Есть ли способ сделать это в R? В целом у меня есть 1700 mTAD, и я хотел бы посмотреть, есть ли какие-либо шаблоны в данных.

Большое спасибо, Димитрис

Answer 1

Вы могли бы рассмотреть отсортированный dotchart вместо BarChart.

> thing 
    ID  stat      mTADs     DE_genes 
1 5267 -5.452819 chr2:167337500-167447500 chr2:167318145-167341673:+ 
2 5268 4.114012 chr6:41532500-41642500 chr6:41555481-41570508:+ 
3 5269 9.812369 chr10:18157500-18262500 chr10:18259929-18265882:- 
4 5270 3.371969 chr17:40957500-41062500 chr17:41060000-41071996:- 
5 5271 4.576930 chr17:40957500-41062500 chr17:41012431-41017507:- 
6 5272 2.952151 chr11:72251250-72352500 chr11:72254857-72265270:+ 
7 5273 -3.349795 chr1:174307500-174407500 chr1:174405489-174408706:+ 
8 5274 -2.685897 chr13:100777500-100877500 chr13:100787949-100874025:- 
9 5275 2.865269 chr13:100777500-100877500 chr13:100718488-100785594:- 
10 5276 6.436959 chr4:150417500-150517500 chr4:150377761-150418774:- 
11 5277 2.622196  chr7:6072500-6162500  chr7:6123828-6142951:+ 
12 5278 -5.605531 chr11:48597500-48682500 chr11:48675470-48685185:- 
13 5279 3.554733 chr11:48597500-48682500 chr11:48639642-48665711:+ 
14 5280 4.399655 chr11:48597500-48682500 chr11:48638848-48640157:- 

Сначала мы возьмем медианы mTADs.

medians.of.stat.by.mTADs<-aggregate(stat~mTADs,data=thing,FUN=median) 
names(medians.of.stat.by.mTADs)[2]<-"median stat for mTAD" 

Теперь слейте эти медианы с исходным кадром данных и создать фактор при заказе на отсортированных stat значений.

thing<-merge(thing,medians.of.stat.by.mTADs,all.x = T,by="mTADs") 
thing$mTADs.reordered <-factor(thing$mTADs, levels=thing[order(thing$`median stat for mTAD`), "mTADs"]) 

Это вызовет предупреждение из-за дублированных уровней, но, похоже, это сработает.

> thing 
         mTADs ID  stat     DE_genes median stat for mTAD   mTADs.reordered 
1 chr1:174307500-174407500 5273 -3.349795 chr1:174405489-174408706:+   -3.349795 chr1:174307500-174407500 
2 chr10:18157500-18262500 5269 9.812369 chr10:18259929-18265882:-    9.812369 chr10:18157500-18262500 
3 chr11:48597500-48682500 5278 -5.605531 chr11:48675470-48685185:-    3.554733 chr11:48597500-48682500 
4 chr11:48597500-48682500 5279 3.554733 chr11:48639642-48665711:+    3.554733 chr11:48597500-48682500 
5 chr11:48597500-48682500 5280 4.399655 chr11:48638848-48640157:-    3.554733 chr11:48597500-48682500 
6 chr11:72251250-72352500 5272 2.952151 chr11:72254857-72265270:+    2.952151 chr11:72251250-72352500 
7 chr13:100777500-100877500 5274 -2.685897 chr13:100787949-100874025:-    0.089686 chr13:100777500-100877500 
8 chr13:100777500-100877500 5275 2.865269 chr13:100718488-100785594:-    0.089686 chr13:100777500-100877500 
9 chr17:40957500-41062500 5270 3.371969 chr17:41060000-41071996:-    3.974449 chr17:40957500-41062500 
10 chr17:40957500-41062500 5271 4.576930 chr17:41012431-41017507:-    3.974449 chr17:40957500-41062500 
11 chr2:167337500-167447500 5267 -5.452819 chr2:167318145-167341673:+   -5.452819 chr2:167337500-167447500 
12 chr4:150417500-150517500 5276 6.436959 chr4:150377761-150418774:-    6.436959 chr4:150417500-150517500 
13 chr6:41532500-41642500 5268 4.114012 chr6:41555481-41570508:+    4.114012 chr6:41532500-41642500 
14  chr7:6072500-6162500 5277 2.622196  chr7:6123828-6142951:+    2.622196  chr7:6072500-6162500 

Теперь сделайте простую точечную диаграмму.

ggplot() + geom_point(data=thing, aes(x=stat,y=mTADs.reordered), shape=20, cex=3.3)