ggalluvial|TCGA臨床數據繪制桑基圖(Sankey)


本文首發於”生信補給站“,https://mp.weixin.qq.com/s/yhMgkST-rVD6SaQS7R-eoA

 

桑基圖(Sankey diagram),是一種特定類型的流程圖,圖中延伸的分支的寬度對應數據流量的大小,通常應用於能源、材料成分、金融等數據的可視化分析。

因1898年Matthew Henry Phineas Riall Sankey繪制的“蒸汽機的能源效率圖”而聞名,此后便以其名字命名為“桑基圖”。

 

一 載入R包,數據

本文使用TCGA數據集中的LIHC的臨床數據進行展示,大家可以根據數據格式處理自己的臨床數據。也可后台回復“R-桑基圖”獲得示例數據以及R代碼。

#install.packages("ggalluvial")
library(ggalluvial)
library(ggplot2)
library(dplyr)
#讀入LIHC臨床數據
LIHC <- read.csv("TCGA_lihc.csv",header=TRUE)
#展示數據情況
head(LIHC)
   PATIENT_ID    AGE    SEX AJCC_PATHOLOGIC_TUMOR_STAGE OS_STATUS
1 TCGA-XR-A8TE less50   Male                   STAGE III    LIVING
2 TCGA-5R-AA1D less50 Female                   STAGE III    LIVING
3 TCGA-DD-A1EC less50 Female                     STAGE I    LIVING
4 TCGA-ED-A7PY less50 Female                    STAGE II    LIVING
5 TCGA-RC-A6M5 less50 Female                    STAGE IV    LIVING
6 TCGA-DD-A1EH less50   Male                   STAGE III    LIVING

summary(LIHC)

桑基圖的數據結構需要節點權重等信息,ggalluvial 的輸入數據可以是長數據亦可以是寬數據。

 

二 繪制桑基圖

1 寬數據示例

對臨床數據進行簡單的處理,得到后四個變量的頻數,整理成寬數據:以下處理過程可參考鏈接

#分組計算頻數
LIHCData <- group_by(data,AGE,SEX,AJCC_PATHOLOGIC_TUMOR_STAGE,OS_STATUS) %>% summarise(., count = n())
#查看寬數據格式
head(LIHCData)
 AGE    SEX    AJCC_PATHOLOGIC_TUMOR_STAGE OS_STATUS count
 <fct>  <fct>  <fct>                       <fct>     <int>
1 50to70 Female STAGE I                     DECEASED     11
2 50to70 Female STAGE I                     LIVING       16
3 50to70 Female STAGE II                    DECEASED      3
4 50to70 Female STAGE II                    LIVING       11
5 50to70 Female STAGE III                   DECEASED      8
6 50to70 Female STAGE III                   LIVING        9

繪制桑基圖

ggplot(as.data.frame(LIHCData),
      aes(axis1 = AJCC_PATHOLOGIC_TUMOR_STAGE, axis2 = SEX, axis3 = AGE,
          y= count)) +
 scale_x_discrete(limits = c("AJCC_STAGE", "SEX", "AGE"), expand = c(.1, .05)) +
 geom_alluvium(aes(fill = OS_STATUS)) +
 geom_stratum() + geom_text(stat = "stratum", label.strata = TRUE) +
 theme_minimal() +
 ggtitle("Patients in the TCGA-LIHC cohort",
         "stratified by demographics and survival")
 

img

  • axis參數設置待展示的節點信息(柱子);

  • geom_alluvium參數設置組間面積連接,此處按生存狀態分組;

 

2 長數據示例

ggplot2通常處理的都是長表格模式,使用to_lodes_form函數即可轉換

#to_lodes_form會生成alluvium和stratum列。主分組位於命名的key列中
LIHC_long <- to_lodes_form(data.frame(LIHCData),
                             key = "Demographic",
                             axes = 1:3)
head(LIHC_long)
 OS_STATUS count alluvium Demographic stratum
1  DECEASED    11        1         AGE  50to70
2    LIVING    16        2         AGE  50to70
3  DECEASED     3        3         AGE  50to70
4    LIVING    11        4         AGE  50to70
5  DECEASED     8        5         AGE  50to70
6    LIVING     9        6         AGE  50to70


# 繪制桑基圖
ggplot(data = LIHC_long,
      aes(x = Demographic, stratum = stratum, alluvium = alluvium,
          y = count, label = stratum)) +
 geom_alluvium(aes(fill = OS_STATUS)) +
 geom_stratum() + geom_text(stat = "stratum") +
 theme_minimal() +
 ggtitle("Patients in the TCGA-LIHC cohort",
         "stratified by demographics and survival")

3 狀態變化的趨勢

vaccinations為R包內置數據集,可展示同一subject在不同survey狀態下的response情況。

data(vaccinations)
levels(vaccinations$response) <- rev(levels(vaccinations$response))
ggplot(vaccinations,
      aes(x = survey, stratum = response, alluvium = subject,
          y = freq,
          fill = response, label = response)) +
 scale_x_discrete(expand = c(.1, .1)) +
 geom_flow() +
 geom_stratum(alpha = .5) +
 geom_text(stat = "stratum", size = 3) +
 theme(legend.position = "none") +
 ggtitle("vaccination survey responses at three points in time")

 

4 更多細節

vignette(topic = "ggalluvial", package = "ggalluvial")

 

以上就是如何使用R-ggalluvial包繪制桑基圖的簡單介紹,可以自己動手展示了 🤭。

 

后台回復“R-桑基圖”即可獲得示例數據和代碼據以及R代碼

 

【關注“生信補給站”公眾號,更多的精彩內容】

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM