O2PLS(绘制基因和代谢物前15个载荷值图)--R

fit0 = o2m(X = X, Y = Y, n = 2, nx = 2, ny = 2)
#模型返回数值讲解#
#Joint X scores：fit0$Tt#
#Joint X loadings: fit0$W.#
#Joint Y scores：fit0$U#
#Joint Y loadings: fit0$C.#
gene_looding <- as.data.frame(fit0$W.)
meta_looding <- as.data.frame(fit0$C.)

原始数据

#添加新列，并取第1列的绝对值#
abs <- NA
gene_looding <- cbind(gene_looding,abs)
meta_looding <- cbind(meta_looding,abs)
gene_looding[,3] <- abs(gene_looding[,1])
meta_looding[,3] <- abs(meta_looding[,1])
#按第3列abs降序#
gene_looding <- gene_looding[order(gene_looding$abs, decreasing= T), ]
meta_looding <- meta_looding[order(meta_looding$abs, decreasing= T), ]
colnames(gene_looding) <- c("pq1","pq2","abs")
colnames(meta_looding) <- c("pq1","pq2","abs")

绘制基因和代谢物前15个载荷值图

#绘制基因和代谢物前15个载荷值图#
gene_looding_15 <- gene_looding[1:15,]
meta_looding_15 <- meta_looding[1:15,]
#基因和代谢物载荷图结合起来#
mglooding_15 <- rbind(meta_looding_15[1:15,],gene_looding_15)

#添加新的一列，按组学进行归类#
Omics <- NA
Object <- NA
mglooding_15 <- cbind(Object,mglooding_15[,1:3],Omics)
mglooding_15[,1] <- row.names(mglooding_15)
row.names(mglooding_15)<- c(1:30)
mglooding_15[1:15,5] <- "Metabolome"
mglooding_15[16:30,5] <- "Transcriptome"

mglooding_15 <- mglooding_15[order( mglooding_15$Omics,-mglooding_15$pq1),]#根mglooding_15$Omics和mglooding_15$pq1排序#
mglooding_15$Object = factor(mglooding_15$Object,levels = mglooding_15$Object) # 将mglooding_15$Object列转换为因子#

#绘图#

pp <- ggplot(data = mglooding_15,mapping = aes(x=Object,y=pq1,fill=Omics))
#fill=Omics，意为Omics为填充色#
pp

pp+geom_bar(stat="identity")

pp+geom_bar(stat = "identity")+coord_flip()  #Term太多了，反转一下x，y轴#

pp+geom_bar(stat = "identity")+coord_flip()+scale_x_discrete(limits=rev(levels(mglooding_15$Object)))#从大到小排列#

pp+geom_bar(stat = "identity")+coord_flip()+scale_x_discrete(limits=rev(levels(mglooding_15$Object)))+xlab("Features")+ylab("pq[1] Loading Scoer")
pp+geom_bar(stat = "identity")+coord_flip()+scale_x_discrete(limits=rev(levels(mglooding_15$Object)))+xlab("Features")+ylab("pq[1] Loading Scoer")+theme_bw()#切换成黑白背景的主题#

pp+geom_bar(stat = "identity")+coord_flip()+scale_x_discrete(limits=rev(levels(mglooding_15$Object)))+xlab("Features")+ylab("pq[1] Loading Scoer")+theme_bw()+ scale_fill_manual(values=c("green","blue"))#更改颜色#

library(eoffice)
topptx(filename = "O2PLS.pptx")#导出到ppt#

资料：https://www.dxy.cn/bbs/newweb/pc/post/37982590
https://mp.weixin.qq.com/s/rffQi_x0CxrU3ssOecFaNg

O2PLS(绘制基因和代谢物前15个载荷值图)--R相关推荐

互联网晚报 |12/8 星期四| 购火车票乘车将停止查验核酸证明；iPhone 15折叠屏渲染图曝光；前三季度京津冀经济持续恢复...
‍ ‍铁路12306:即日起购票乘车及进出站停止查验48小时核酸证明和健康码 12月7日,国务院联防联控机制综合组发布了<关于进一步优化落实新冠肺炎疫情防控措施的通知>,<通知> ...
python-根据gtf绘制基因全部转录本结构图
根据基因组注释文件gtf绘制基因全部转录本的结构图,利用python进行实现,并实现了GUI 可以下载各种gtf,从NCBI,ENSEMBL,UCSC,GENCODE都可以,但是要根据相应的版本修改代 ...
网络爬虫-爬取微博热门话题前15个
用java+webdriver+testng实现获取微博热门话题前15个,包括话题排名.标题.阅读量.内容,写入txt文件功能前提条件: 已安装好java环境,工程导入了webdriver的jar包 ...
python绘制基因结构图_从 gff 到 gggenes 绘制基因结构图
gffutils 是一个用来解析 gff 文件的 Python 包,可以十分方便地获取 gff 文件中的相关信息.gggenes 是 ggplot2 的扩展包,用于绘制基因结构图.多物种基因比较图的很 ...
MDX的实例讲解（排名前15的小例子）
MDX语句的特点: 大小写不分.members等于Members;downloads等于Downloads 维度的统计量指定要选择准确.downloads等于[Downloads] []可以少,不能多 ...
基金前15大重仓股持仓股排名
来源:基金前15大重仓股持仓股排名基金前15大重仓股持仓股排名基金重仓前15大个股,相较于同期沪深300的平均收益,近1月:3.37%,近3月:10.55%,近1年:47.33%,近3年:137. ...
买进最佳时间：开盘后15分钟与闭市前15分钟
这个时间段一般都会大涨大跌. 一.买进最佳时间:开盘后15分钟与闭市前15分钟. 开盘前,主力经过研究国际国内最新经济信息和国外期货.股市的运行情况,将对大势有一个综合判断,然后做出所运作股票的计划, ...
统计《三国演义》前15个人名
在课堂代码的基础上,用循环做了一个更深的去噪的处理.具体就是首先每个词输出的时候问(y/n)来判断是不是人名,攒够15个人名后输出统计的exclude,然后第二次再除去那些exclude,最后得到完整 ...
陕西的大学计算机排名2015年,陕西省大学排名前15名，西安交大第一，985的西北农大竟无缘前三...
原标题:陕西省大学排名前15名,西安交大第一,985的西北农大竟无缘前三随着我国经济的高速发展,我国的教育事业尤其是高等教育也是发展迅速,但是大家会发现我国的高等教育分布是很不均衡的,尤其是名牌大学 ...

O2PLS(绘制基因和代谢物前15个载荷值图)--R

O2PLS(绘制基因和代谢物前15个载荷值图)--R相关推荐

最新文章

热门文章