ggrepel-解决散点图样品标签重叠，方便筛选样品

原创朱微金宏基因组

ggrepel解决标签之间重叠问题

简介

有时样本比较多，而我们想在图形中添加标签的时候，容易出现标签遮盖的问题。

尤其是在扩增子研究中，在相同基因型、环境条件宿主(温室植物、饲养动物)至少也需要6次以上生物学重复，如人类这种无法控制基因型和生活环境的研究对象，实验组至少30个起才容易发现有统计为意义的差异菌。

而在样品比较、样品筛选时又必须看清这些点名字，用于筛选掉一些记录错误、未报抗生素使用或隐性疾病等异常样品。ggplot2的辅助包ggrepel就是专门处理遮盖问题的专家。有了人类可读的可视化结果，在我们下游分析、样品筛选、异常样品鉴定更加方便高效。

ggrepel(https://github.com/slowkow/ggrepel)是发表在github上的开源包，使用之前是要先安装：

安装

Rstudio中安装稳定版本：

install.packages("ggrepel")

# 如果在R中，需要选择源或指定源
install.packages("ggrepel", repo="http://cran.us.r-project.org")

或者安装最新的开发版本：

install.packages("devtools", repo="http://cran.us.r-project.org")
library(devtools)
devtools::install_github("slowkow/ggrepel")

geom_text()添加样品标签

我们先看看geom_text()添加标签时的效果

library(ggplot2)
#使用系统数据集mtcars演示
ggplot(mtcars)+ geom_point(aes(wt, mpg), color="red")+ 
  geom_text(aes(wt, mpg, label=rownames(mtcars)))+ 
  theme_classic(base_size = 16)

可以看到可视化效果不是很好。接下来看看包ggrepel的效果。

geom_text_repel()解决样品标签重叠

geom_text_repel()是基于geom_text()

library(ggrepel)
set.seed(123)
ggplot(mtcars)+ geom_point(aes(wt, mpg), color="red")+ 
  geom_text_repel(aes(wt, mpg, label=rownames(mtcars)))+
  theme_classic(base_size = 16)

geom_label_repel()防标签重叠并添加背景色

geom_label_repel()是基于geom_label(),它将标签置于一个小方框中

ggplot(mtcars)+ geom_point(aes(wt, mpg), color="grey", size=5)+
  geom_label_repel(aes(wt, mpg, fill=factor(cyl), 
  label=rownames(mtcars)))+ theme_classic(base_size = 16)

点太小颜色不容易区分组，直接给标签上色是不是很容易区分样品和组，以及观察组内和组间的差异、筛选异常样品呢？

基于扩增子分析PCoA实战数据

测试数据和代码详见下文：

2散点图：Beta多样性，PCoA, CCA

我们在此基础上添加标签、错开标签，以及按标签着色筛选样品。

geom_text添加样品名

# 绘制主坐标准轴的第1，2轴
p = ggplot(points, aes(x=x, y=y, color=genotype)) +
  geom_point(alpha=.7, size=2) + 
  labs(x=paste("PCoA 1 (", format(100 * eig[1] / sum(eig), digits=4), "%)", sep=""),
       y=paste("PCoA 2 (", format(100 * eig[2] / sum(eig), digits=4), "%)", sep=""),
       title="bray_curtis PCoA")
p + geom_text(aes(x, y, label=rownames(points)))+ theme_classic()

够乱吧，根本看不清。

geom_text_repel合理位置添加样品名

library(ggrepel)
p + geom_text_repel(aes(x, y, label=rownames(points)))+ theme_classic()

好多了吧！

geom_label_repel合理位置添加标签

需要调整文字和点不上色，只按标签背景填充色，代码如下：

ggplot(points, aes(x=x, y=y)) +geom_point(alpha=.7, size=2) + geom_label_repel(aes(x, y, fill=factor(genotype), label=rownames(points)))+ theme_classic()

另一种上色方式，按标签背景分组上色，好像选择样品看容易，比点着色看的清楚。

现在可以一眼看到异常样品的位置了。如果还无法确定，可以结合PCA和hculst的聚类结果综合排除异常样品。想在此图中对分组进一步添加置信区间，方便显示组间是否有差异，以及定义圈外异常样品，将在过几天与大家分享。

Reference

官方包下载和教程 https://github.com/slowkow/ggrepel
孙老湿画图系列第十一弹丨标签遮盖处理工具ggrepel http://baijiahao.baidu.com/s?id=1576516080050548076&wfr=spider&for=pc
R语言可视化学习笔记之ggrepel包 https://mp.weixin.qq.com/s/ZKxzKZ4NBTcsJ6vFimxoGA?scene=25#wechat_redirect

写在后面

宏基因组公众号经过半年发展，原创文章过百，关注人数12000+。为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外100+ PI，900+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。