生信数据可视化最佳实践（Bioinformatics Data Visualization Best Practices）¶

# ===== 反面教材 vs 正面教材 =====
library(ggplot2)

# 反面：信息密度低（大量非数据墨水）
ggplot(data, aes(x = group, y = value)) +
  geom_bar(stat = "identity", fill = "blue") +
  theme(
    panel.background = element_rect(fill = "lightyellow"),  # 花哨背景
    panel.grid.major = element_line(color = "gray"),         # 多余网格
    panel.grid.minor = element_line(color = "lightgray"),    # 更多余的网格
    plot.background = element_rect(fill = "white", color = "black", linewidth = 2)
  )  # 粗边框

# 正面：干净高效
ggplot(data, aes(x = group, y = value)) +
  geom_bar(stat = "identity", fill = "#2C3E50") +
  theme_classic() +  # 经典主题：只保留坐标轴
  theme(
    axis.text = element_text(size = 12),     # 足够大的字号
    axis.title = element_text(size = 14)
  )

# ===== 色盲友好检查 =====
# 安装colorblindr包检查你的图色盲人群能否看懂
# devtools::install_github("clauswilke/colorblindr")
library(colorblindr)

p <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point()

cvd_grid(p)  # 模拟不同类型色盲看到的效果
# 如果某种色盲模式下无法区分不同类别 → 换配色

# ===== 保存高分辨率图片 =====

# 方法1：ggsave（最方便）
ggsave("figure1.tiff", plot = p,
       width = 17.5, height = 12,  # 单位cm
       units = "cm",
       dpi = 300,                   # 分辨率
       compression = "lzw")         # TIFF压缩

# 方法2：保存为向量图（PDF/EPS，无限缩放不失真）
ggsave("figure1.pdf", plot = p,
       width = 17.5, height = 12,
       units = "cm")

# 方法3：Cairo后端（解决中文字体问题）
library(Cairo)
CairoTIFF("figure1.tiff", width = 1750, height = 1200, res = 300)
print(p)
dev.off()

# ===== 门水平堆叠柱状图（宏基因组经典图） =====
library(ggplot2)

ggplot(abundance_data, aes(x = sample, y = abundance, fill = phylum)) +
  geom_bar(stat = "identity", position = "fill") +  # position="fill" 归一化到100%
  scale_fill_brewer(palette = "Set3") +   # ColorBrewer离散色板
  labs(x = "样本", y = "相对丰度", fill = "门") +
  theme_classic() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # 样本名45度旋转
# 适合场景：展示不同样本的物种组成差异
# 注意：类别太多(>12)时颜色难以区分，可以把低丰度的合并为"Others"

# ===== 火山图 =====
ggplot(de_results, aes(x = log2FoldChange, y = -log10(padj))) +
  geom_point(aes(color = significance), size = 1, alpha = 0.6) +
  scale_color_manual(values = c(
    "Up" = "#E74C3C",     # 上调：红色
    "Down" = "#3498DB",   # 下调：蓝色
    "NS" = "#BDC3C7"      # 不显著：灰色
  )) +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed", color = "gray40") +
  geom_vline(xintercept = c(-1, 1), linetype = "dashed", color = "gray40") +
  theme_classic() +
  labs(x = "log2(Fold Change)", y = "-log10(adjusted p-value)")
# x轴 = 变化倍数（正=上调，负=下调）
# y轴 = 显著性（越高越显著）
# 右上角 = 显著上调，左上角 = 显著下调

# ===== MA图 =====
ggplot(de_results, aes(x = log2(baseMean + 1), y = log2FoldChange)) +
  geom_point(aes(color = significance), size = 0.8, alpha = 0.5) +
  scale_color_manual(values = c("Up" = "#E74C3C", "Down" = "#3498DB", "NS" = "#BDC3C7")) +
  geom_hline(yintercept = 0, color = "gray40") +
  theme_classic() +
  labs(x = "log2(Mean Expression)", y = "log2(Fold Change)")
# x轴 = 平均表达量（A = Average）
# y轴 = 变化倍数（M = Minus = log ratio）
# 适合展示：低表达基因的fold change不太可靠

# ===== 箱线图 + 散点 =====
ggplot(data, aes(x = group, y = alpha_diversity, fill = group)) +
  geom_boxplot(alpha = 0.7, outlier.shape = NA) +  # 箱线图，隐藏outlier点
  geom_jitter(width = 0.2, size = 1.5, alpha = 0.5) +  # 叠加散点
  scale_fill_brewer(palette = "Set2") +
  stat_compare_means(method = "wilcox.test") +  # 加p值（ggpubr包）
  theme_classic() +
  labs(x = "", y = "Shannon多样性指数")
# 箱线图展示分布特征，叠加散点展示实际数据点
# 比单独的柱状图+误差棒信息量多得多

# ===== 小提琴图（展示分布形状） =====
ggplot(data, aes(x = group, y = expression, fill = group)) +
  geom_violin(alpha = 0.7) +  # 小提琴=核密度估计的镜像
  geom_boxplot(width = 0.1, fill = "white") +  # 内嵌小箱线图
  theme_classic()
# 小提琴图比箱线图多一个信息：分布是否双峰/偏态

# ===== 相关性热图 =====
library(pheatmap)

# 计算相关系数矩阵
cor_matrix <- cor(expr_data, method = "spearman")

# 画热图
pheatmap(cor_matrix,
         color = colorRampPalette(c("#3498DB", "white", "#E74C3C"))(100),
         # 蓝-白-红渐变：蓝=负相关，红=正相关
         display_numbers = TRUE,       # 显示数值
         number_format = "%.2f",       # 保留2位小数
         fontsize = 10,
         fontsize_number = 8)

# ===== PCA散点图 =====
ggplot(pca_df, aes(x = PC1, y = PC2, color = group)) +
  geom_point(size = 3, alpha = 0.8) +
  stat_ellipse(level = 0.95, linetype = "dashed") +  # 95%置信椭圆
  scale_color_brewer(palette = "Set1") +
  theme_classic() +
  labs(x = paste0("PC1 (", var_explained[1], "%)"),
       y = paste0("PC2 (", var_explained[2], "%)"))
# 坐标轴标签要写方差解释比例
# 椭圆帮助可视化分组边界

# ===== UMAP（单细胞常用） =====
ggplot(umap_df, aes(x = UMAP_1, y = UMAP_2, color = cell_type)) +
  geom_point(size = 0.5, alpha = 0.6) +
  scale_color_manual(values = custom_colors) +  # 自定义颜色
  theme_void() +  # 无坐标轴（UMAP坐标无实际意义）
  guides(color = guide_legend(override.aes = list(size = 3)))
  # 图例中的点放大方便看清

# ===== 系统发育树（ggtree） =====
library(ggtree)

# 读取Newick格式的树文件
tree <- read.tree("phylo_tree.nwk")

# 基本树形图
ggtree(tree, layout = "rectangular") +
  geom_tiplab(size = 3) +           # 显示叶节点标签
  geom_nodepoint(color = "steelblue", size = 2)  # 节点标记

# 环形树（适合大量物种）
ggtree(tree, layout = "circular") +
  geom_tiplab(size = 2, offset = 0.02)

# ===== ColorBrewer常用调色板 =====
library(RColorBrewer)

# 查看所有调色板
display.brewer.all()

# 定性/离散色板（分类数据）
brewer.pal(8, "Set2")
# "#66C2A5" "#FC8D62" "#8DA0CB" "#E78AC3" "#A6D854" "#FFD92F" "#E5C494" "#B3B3B3"

brewer.pal(8, "Set1")
# "#E41A1C" "#377EB8" "#4DAF4A" "#984EA3" "#FF7F00" "#FFFF33" "#A65628" "#F781BF"

brewer.pal(8, "Paired")
# "#A6CEE3" "#1F78B4" "#B2DF8A" "#33A02C" "#FB9A99" "#E31A1C" "#FDBF6F" "#FF7F00"

# 连续/顺序色板（数值数据）
brewer.pal(9, "YlOrRd")  # 黄→橙→红
brewer.pal(9, "Blues")    # 浅蓝→深蓝
brewer.pal(9, "RdYlBu")  # 红→黄→蓝（发散型）

# ===== Viridis系列 =====
library(viridis)

# viridis: 黄→绿→蓝→紫（默认，最通用）
scale_color_viridis_c()
# 色号示例(5档): "#440154" "#3B528B" "#21908C" "#5DC863" "#FDE725"

# magma: 黑→紫→橙→黄（暗色调）
scale_color_viridis_c(option = "magma")
# "#000004" "#51127C" "#B73779" "#FC8961" "#FCFDBF"

# inferno: 黑→紫→橙→黄（高对比度）
scale_color_viridis_c(option = "inferno")

# plasma: 紫→粉→橙→黄
scale_color_viridis_c(option = "plasma")

# 所有viridis系列的优势：
# 1. 色盲友好（红绿色盲也能区分）
# 2. 感知均匀（数值差异和颜色差异成正比）
# 3. 灰度打印仍可区分（亮度单调递增）

# ===== Nature/Science风格配色 =====

# 方案1：ggsci包（直接提供期刊配色）
library(ggsci)

# Nature风格
scale_color_npg()  # NPG = Nature Publishing Group
# "#E64B35" "#4DBBD5" "#00A087" "#3C5488" "#F39B7F" "#8491B4" "#91D1C2" "#DC0000"

# Science/AAAS风格
scale_color_aaas()
# "#3B4992" "#EE0000" "#008B45" "#631879" "#008280" "#BB0021" "#5F559B" "#A20056"

# Lancet风格
scale_color_lancet()
# "#00468B" "#ED0000" "#42B540" "#0099B4" "#925E9F" "#FDAF91" "#AD002A" "#ADB6B6"

# 方案2：手动定义Nature风格配色
nature_colors <- c(
  "#E64B35",  # 砖红（对比强烈，用于关键组）
  "#4DBBD5",  # 青色
  "#00A087",  # 墨绿
  "#3C5488",  # 深蓝
  "#F39B7F",  # 浅橙
  "#8491B4",  # 灰蓝
  "#91D1C2",  # 浅绿
  "#DC0000",  # 纯红
  "#7E6148",  # 棕色
  "#B09C85"   # 米色
)

# ===== 热图配色方案 =====

# 方案1：蓝-白-红（差异表达经典配色）
# 蓝=低表达/下调，白=中等，红=高表达/上调
blue_white_red <- colorRampPalette(c("#3498DB", "white", "#E74C3C"))(100)

# 方案2：viridis（连续数据）
# 适合单方向数据（如p值、表达量）

# 方案3：RdBu反转（蓝-白-红，ColorBrewer版）
rdbu_colors <- rev(brewer.pal(11, "RdBu"))

# 方案4：pheatmap默认（蓝-白-红-黄）
# 不推荐：颜色过多容易分散注意力

# ===== Publication-ready ggplot主题模板 =====

theme_publication <- function(base_size = 12) {
  theme_classic(base_size = base_size) %+replace%  # 基于经典主题修改
    theme(
      # 坐标轴
      axis.line = element_line(color = "black", linewidth = 0.5),
      axis.ticks = element_line(color = "black", linewidth = 0.3),
      axis.text = element_text(color = "black", size = base_size - 2),
      axis.title = element_text(color = "black", size = base_size, face = "bold"),

      # 图例
      legend.title = element_text(size = base_size - 1),
      legend.text = element_text(size = base_size - 2),
      legend.key.size = unit(0.4, "cm"),
      legend.background = element_blank(),  # 透明背景

      # 标题
      plot.title = element_text(size = base_size + 2, face = "bold", hjust = 0.5),

      # 面板
      panel.background = element_blank(),
      panel.grid = element_blank(),        # 无网格线
      strip.background = element_blank(),  # facet标题无背景
      strip.text = element_text(size = base_size, face = "bold"),

      # 边距
      plot.margin = unit(c(0.5, 0.5, 0.5, 0.5), "cm")
    )
}

# 使用
p <- ggplot(data, aes(x, y)) +
  geom_point() +
  theme_publication(base_size = 12)

# 保存为期刊要求的格式
ggsave("Fig1.tiff", plot = p,
       width = 89, height = 70, units = "mm",  # Nature单栏宽
       dpi = 300, compression = "lzw")

# ===== 多面板组合（patchwork包） =====
library(patchwork)

# 创建多个子图
p1 <- ggplot(data, aes(x, y)) + geom_point() + labs(tag = "A")  # tag加标签
p2 <- ggplot(data, aes(group, value)) + geom_boxplot() + labs(tag = "B")
p3 <- ggplot(data, aes(x)) + geom_histogram() + labs(tag = "C")

# 组合
combined <- p1 + p2 + p3 +
  plot_layout(ncol = 3) +  # 3列排列
  plot_annotation(title = "Figure 1")

# 保存
ggsave("Figure1_combined.pdf", combined,
       width = 183, height = 70, units = "mm")  # 双栏宽

# 错误示例：Y轴从95开始（差异被夸大10倍）
# 正确做法：Y轴从0开始，或者明确标注断轴并说明理由

# 如果确实需要放大差异区域，使用断轴：
library(ggbreak)
p + scale_y_break(c(20, 80))  # 在20-80之间断开
# 但要在图注中解释为什么用断轴

# 正确做法：用ggpubr加统计检验
library(ggpubr)
ggplot(data, aes(x = group, y = value)) +
  geom_boxplot() +
  stat_compare_means(
    comparisons = list(c("T2D", "Control")),
    method = "wilcox.test",
    label = "p.signif"  # 显示 * ** *** ns
  )

你的数据是什么类型？
│
├── 分类比较（A组 vs B组的某个指标）
│   ├── 2-5组 → 箱线图+散点 / 小提琴图
│   ├── 时间序列 → 折线图+误差带
│   └── 多指标比较 → 分组柱状图 / 雷达图
│
├── 组成/比例（各成分占多少）
│   ├── 少量样本(<10) → 堆叠柱状图
│   ├── 大量样本(>10) → 堆叠面积图
│   └── 两个组成对比 → 桑基图(alluvial)
│
├── 相关性/关系
│   ├── 两变量 → 散点图+回归线
│   ├── 多变量两两关系 → 相关性热图
│   └── 网络关系 → 网络图(igraph)
│
├── 分布
│   ├── 单变量 → 直方图 / 密度图
│   ├── 多组分布比较 → 小提琴图 / 岭线图
│   └── 二维分布 → 密度等高线图
│
├── 降维/聚类
│   ├── Bulk数据 → PCA / MDS
│   ├── 单细胞 → UMAP / t-SNE
│   └── 聚类结果 → 热图+行列聚类树
│
├── 差异分析
│   ├── 整体概览 → 火山图(Volcano)
│   ├── 表达量vs差异 → MA图
│   └── 特定基因列表 → 热图 / 点图(dotplot)
│
└── 进化/系统发育
    ├── 物种少(<50) → 矩形系统树
    └── 物种多(>50) → 环形系统树