R绘图(3): 散点图添加文本注释

这里以火山图为例进行说明，在转录组分析中，火山图是很常见的一类图，纵轴表示p_value，横轴表示log (fold change)。单一的散点图绘制很简单，火山图比较难处理的地方就是一些基因的注释，基因越多，加文本注释越困难，因为文字会堆在一起，看不清。
示例数据df1是转录组做差异表达后的部分结果，df2将logFC绝对值大于0.3的挑出来了。

> head(df1)
         p_val avg_logFC class   gene      cd avg_logFC_new2 p_val_new
1 1.628043e-43 0.4804759   P2L    PI3 P2L_0.3     -0.4804759  42.78833
2 1.131599e-88 0.4565683   P2L   ZG16 P2L_0.3     -0.4565683  87.94631
3 7.342746e-58 0.4192149   P2L   XIST P2L_0.3     -0.4192149  57.13414
4 1.728085e-28 0.4113532   P2L    FN1 P2L_0.3     -0.4113532  27.76243
5 1.288611e-33 0.4100842   P2L   PIGR P2L_0.3     -0.4100842  32.88988
6 6.647279e-14 0.4035325   P2L HSPA1A P2L_0.3     -0.4035325  13.17736

df2=df1%>%filter(abs(avg_logFC_new2) > 0.3)

先看一下，没加文本的图

p <- ggplot(data = df1,aes(x = avg_logFC_new2, y = p_val_new)) +
  geom_point(aes(colour = cd,size = abs(avg_logFC_new2)),alpha=0.9) +
  scale_color_manual(values=c("P2L_0.3" = "#80B1D3","else" = "grey","L2P_0.3" = "#FB8072"))+
  scale_x_continuous("avg_logFC",limits = c(-0.6,0.6),breaks = seq(-0.6,0.6,0.3),labels = seq(-0.6,0.6,0.3)) +
  scale_y_continuous("-log10 (p-value)")+
  geom_vline(xintercept=c(-0.3,0.3),lty=2,col="black",lwd=1) +
  theme_bw()+
  theme(
    legend.background=element_blank(), legend.key=element_blank(),
    legend.title = element_blank(),
    panel.grid.major = element_blank(),panel.grid.minor = element_blank()
  )
p
ggsave("tmp0.pdf",width = 22, height = 20, units = c("cm"))

接下来用ggplot2里面的geom_text添加文本，另建一个图层，在新图层中指定data和mapping，需要注意的是，新图层里面没有指定x和y，则会延用之前图层的x和y，也就是前面的x = avg_logFC_new2, y = p_val_new

p+geom_text(data=df2,mapping = aes(label=gene))
ggsave("tmp1.pdf",width = 22, height = 20, units = c("cm"))

这张图存在两个问题：文字直接盖在点上，遮住了点；文字相互重叠。
再看一下ggplot2的另一个函数geom_label

p+geom_label(aes(label=gene),df2,alpha=0,nudge_y = 3)
#alpha=0让文本框的背景透明，让点显露出来；nudge_y把注释框上移
ggsave("tmp2.pdf",width = 22, height = 20, units = c("cm"))

可以看到，文本框还是重叠...
这里介绍一下我用的另一个R包ggrepel，它就是解决这个问题的

p+ggrepel::geom_text_repel(
  aes(label=gene),df2
  )
ggsave("tmp3.pdf",width = 22, height = 20, units = c("cm"))

这个图里面重叠问题已经解决了，文本靠在点的旁边，且文本不重叠，太密集的区域有线段指向。不过大部分没有线段指向，如果点与点，文本与文本比较近，还是无法肉眼区分，最好再多加一些线段来指向。可以调整一下几个padding参数，如下：

p+ggrepel::geom_text_repel(
  aes(label=gene,color=cd),df2,
  size = 4, #注释文本的字体大小
  box.padding = 0.5, #字到点的距离
  point.padding = 0.8, #字到点的距离，点周围的空白宽度
  min.segment.length = 0.5, #短线段可以省略
  segment.color = "black", #segment.colour = NA, 不显示线段
  show.legend = F)
ggsave("tmp4.pdf",width = 22, height = 20, units = c("cm"))

到这儿，文本注释算加完了，线段的方向还不是很满意，有些杂乱文章。
这个包里面的另一个函数geom_label_repel，可以加文本框，参数和geom_text_repel类似，

p+ggrepel::geom_label_repel(
  aes(label=gene),df2
  )
ggsave("tmp5.pdf",width = 22, height = 20, units = c("cm"))

需要注意的是，文本框会遮住点，调节alpha参数的话，会同时改变文本框背景和文字的透明度，这个和ggplot2里面geom_label的alpha参数不太一样。