多组差异分析的可视化，这样做最省心！

欢迎关注”生信修炼手册”!

下图是来自文献中的一个示例图，展示了不同亚型之间risk score值的差异分析结果

从图形的主题可以看出，这是一幅基于ggplot2绘制的图片，但是如果完全基于ggplot2的基础函数的话，我们需要手动绘制组间比较的连线，计算对应的坐标并添加p值，虽然也可以实现，但不免太过繁琐。

想要更加便利的展示组间差异的结果，可以使用ggpubr这个R包。这是一个基于ggplot2的拓展包，体用了丰富的可视化功能，差异标记的可视化仅仅是其功能之一。

首先来看下其基本用法，代码如下

> library(ggpubr)
载入需要的程辑包：ggplot2
Want to understand how all the pieces fit together? Read R for Data
Science: https://r4ds.had.co.nz/
> data("ToothGrowth")
> df <- ToothGrowth
> head(df, 4)
   len supp dose
1  4.2   VC  0.5
2 11.5   VC  0.5
3  7.3   VC  0.5
4  5.8   VC  0.5
> ggviolin(df, x = "dose", y = "len", fill = "dose",add = "boxplot", add.params = list(fill = "white"))

ggviolin函数提供了小提琴图的可视化功能，通过add=boxplot在小提琴图的基础上添加了箱体图，效果图如下

接下来添加差异分析的p值，代码如下

> ggviolin(+   df, x = "dose", y = "len",
+   fill = "dose",
+   add = "boxplot",
+   add.params = list(fill = "white")) +
+ stat_compare_means()

stat_compare_means函数添加差异分析的p值，默认参数的情况下，添加组间kw检验的结果，效果图如下

也可以手动指定需要标记的分组，代码如下

> ggviolin(
+   df, x = "dose", y = "len",
+   fill = "dose",
+   add = "boxplot",
+   add.params = list(fill = "white")) +
+ stat_compare_means(comparisons = list(c("0.5", "1")))

程序会自动计算坐标，标记p值，效果图如下

需要注意的是，当涉及到多组间的两两比较时，写法上比较特殊，对于3组间的两两比较，我们先看下每次指定一组差异分析的情况，代码如下

> ggviolin(
+   df, x = "dose", y = "len",
+   fill = "dose",
+   add = "boxplot",
+   add.params = list(fill = "white")) +
+ stat_compare_means(comparisons = list(c("0.5", "1"))) +
+ stat_compare_means(comparisons = list(c("1", "2"))) +
+ stat_compare_means(comparisons = list(c("0.5", "2")))

效果图如下

可以看到，程序没有自动化的计算3组p值的位置，导致重叠了，为了避免这种情况，我们需要下列这种写法

> ggviolin(
+   df, x = "dose", y = "len",
+   fill = "dose",
+   add = "boxplot",
+   add.params = list(fill = "white")) +
+ stat_compare_means(comparisons = list( c("0.5", "1"), c("1", "2"), c("0.5", "2") ))

需要把3组差异分组包含在一个list中，这样程序就会自动计算标记p值的位置，将3组p值自动化的区分开，效果图如下

除了直接标记p值外，也支持用星号代替，将代码如下

> ggviolin(
+   df, x = "dose", y = "len",
+   fill = "dose",
+   add = "boxplot",
+   add.params = list(fill = "white")) +
+ stat_compare_means(
+   label = "p.signif",
+   comparisons = list( c("0.5", "1"), c("1", "2"), c("0.5", "2"))
+ )

效果图如下

最后，来看一个官网的示例，看下以上所有参数组合使用的例子，代码如下

> comparisons <- list( c("0.5", "1"), c("1", "2"), c("0.5", "2") )
> ggviolin(
+   df, x = "dose", y = "len", fill = "dose",
+   palette = c("#00AFBB", "#E7B800", "#FC4E07"),
+   add = "boxplot", add.params = list(fill = "white")) +
+   stat_compare_means(comparisons = my_comparisons, label = "p.signif") +
+   stat_compare_means(label.y = 50)

效果图如下

掌握了以上用法，绘制文章开头的那张图片就不在是难事了。

·end·

—如果喜欢，快分享给你的朋友们吧—

原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！

本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。