iMeta教你绘图

iMeta教你绘图是iMeta期刊的特色栏目，主要对发表文章中代码进行测试、注释和解读，以帮助读者学习分析思路和绘图技术。

大部分相关领域的研究者目前开展数据分析与绘图使用R语言，这也是当前最流行、比较容易使用、学习和使用性价比较高的语言。通过对作者分析过程的代码重现，往往可以更深入的理解文章中的深层含义，通过代码设计的顺序和写法，可以了解作者分析过程的思路和风格。

世界海拔地图

本文为大家分享世界海拔地图的绘制，此图的数据和代码来自iMeta 2022年2月发表的高原肠道菌群分析文章的图1A。中文翻译和视频讲解详见：iMeta | 吴青龙/王明福/刘金鑫等-从肠道菌群看待人类对高原饮食的适应性。

原文数据和代码：https://github.com/qinglong89/Nomad-Prevotella

本文通过对作者提供的代码和数据进行测试和注释，方便大家学习。

整理后的代码详见：https://github.com/iMetaScience/iMeta 中 MapElevation 目录

图表及描述

图1. 游牧地区人群的 Prevotella 肠型具有较高的微生物多样性。(A) 主要游牧地区的地理位置和人类膳食特征。

Figure 1. Gut Prevotella enterotype of high microbial diversity in people of nomadic regions. (A) Geographic location and dietary patterns of major nomadic regions.

经历了长期的饮食选择，黑茶成为高原和低海拔草原地区游牧民族饮食中的重要组成部分(图1A)。值得注意的是，食用发酵奶制品也是游牧民族几千年来的一种传统饮食(图1A)。

Through long-term dietary self-selection, dark tea becomes an essential part of nomadic diets in high plateaus and low-altitude steppe areas (Figure 1A). Of note, consumption of fermented milk products is a tradition for thousands of years in nomadic diets (Figure 1A).

有趣的是，在藏族人、蒙古族人和哈萨克族人中，茶和发酵奶的摄入高且频繁(图1A)，然而单纯地将这种饮食习惯与低炎症水平联系起来是值得怀疑的，需要设计一个系统的饮食干预来证实。

It is quite interesting to see the frequent consumption of tea and fermented milk in Tibetan, Mongolian, and Kazakh populations (Figure 1A), but linking such dietary habits to reduced inflammation is questionable and requires a systematic design of diet intervention to confirm it.

代码解读

目前微生物生态学研究内卷严重，越来越多的研究趋向于大数据、大范围、多组学、多层次等。往往大范围就涉及用到地图。我国对于涉及地图的出版物管理比较严格，虽然科学论文中出版社对地图使用通常中立，尊重作者的选择，但是尽量在地图绘制过程中尽量不要添加国界线等人为设定的区分内容，以防误用地图引起不必要的麻烦。

这里使用raster包进行分析遥感数据处理：raster包是基于rgdal底层库编写的地理数据处理包，包括图像的创建，图像的读取，图像的运算，图像的可视化，图像的输出。

# library加载包：raster是地理数据分析包，ggplot2是绘图包
library(raster)
library(ggplot2)# 自动下载地图数据：原始链接 https://biogeo.ucdavis.edu/data/climate/worldclim/1_4/grid/cur/alt_2-5m_bil.zip
elevation_world <- getData('worldclim', var='alt', res=2.5)
# 如无法自动下载，可手动下载并指定位置加载
# elevation_world <- getData('worldclim', download=FALSE, path="./", var='alt', res=2.5)# 绘图世界海拔图预览
plot(elevation_world$alt)

图. 世界海拔分布图

# 转换地图数据为数据框
# coerce class 'structure("RasterLayer", package = "raster")' to a data.frame
df <- data.frame(rasterToPoints(elevation_world$alt))
# 预览：经、纬度及海拔的格式
head(df)# 绘制世界海拔图，指定色阶 world elevation map，set color key
ggplot(df, aes(x=x, y=y)) +# 绘图矩形填充图，类似热图geom_raster(aes(fill=alt)) +# 手动指定热图由小到大的颜色及对应的梯度scale_fill_gradientn(colours = c("gray", "blue", "green", "yellow", "red"),values = scales::rescale(c(0, 0.133, 0.266, 0.4, 1))) +# 图例的字号和字体theme(legend.text=element_text(size=18),legend.title=element_text(size=14,face="bold"),axis.line = element_line(colour = "black"), panel.background = element_rect(fill = 'white', colour = 'black'))

图. 世界海拔分布图，手动设置颜色和梯度

# 选择亚洲指定区域，可在RStudio中右侧预览区zoom放大图，然后选择合适的范围
df_asia <- subset(df, x>60 & x<145 & y>15 & y<60) #focus on Asia# 绘制指定区域
p = ggplot(df_asia, aes(x=x, y=y)) +geom_raster(aes(fill=alt)) +scale_fill_gradientn(colours = c("white", "blue", "green", "yellow", "red"),values = scales::rescale(c(0, 0.137, 0.138, 0.276, 1))) +theme(legend.text=element_text(size=18),legend.title=element_text(size=14,face="bold"),axis.line = element_line(colour = "black"), panel.background = element_rect(fill = 'white', colour = 'black'))
# 预览
p# 保存PDF矢量图，文字可编辑，用于拼图
ggsave("3MapAsia.pdf", p, width = 183, height = 118, units = "mm")
# 作者默认保存eps格式是矢量图，但AI编辑中白色背景显示为黑，文字栅格化为图形不可调整字体和字号
# ggsave("3MapAsia.eps", device=cairo_ps)

图. 筛选亚洲指定区域的海拔分布图

引文

使用本教程，请引用：

Yina Huang, Jinxin Liu, Hein Min Tun, Catherine Stanton, Tingtao Chen, Hani El-Nezami, Hua Wei, Mingfu Wang, Qinglong Wu. 2022. Gut microbiota insights into human adaption to high-plateau diet. iMeta 1: e6. https://doi.org/10.1002/imt2.6

小知识：EPS格式

EPS 格式：EPS 文件格式是 Encapsulated PostScript 的首字母缩写词。它可以包含图形、插图或文本文件，还可以用于编码不同的点和公式，并且相对灵活和可调整大小。

优点：

• EPS 矢量图文件可以调整为任何尺寸而不会降低其质量，此属性在打印大尺寸图像时特别有用

• 使用范围非常广泛，受多种文字处理软件的支持，并与 Windows 和 Mac 兼容

• 可以包含和组合图像、文本和插图，具有很大的可行性

缺点：

• 大多数操作系统默认不支持EPS文件格式，不如JPG、PDF格式预览方便

• 文字会出现栅格化，在AI中虽然是矢量，但无法修改字体，需要重新输入

• 背景白色有时会变成黑色

• EPS文件体积较大，最低分辨率为 300 dpi，以保持其质量

• 页面布局应用程序通常不支持 EPS 文件修改，因此需要将文件保存为最终版再导入

本文教程网页版链接：http://210.75.224.110/github/iMeta/MapElevation/MapElevation.html

iMeta—微生物组/生物信息高起点期刊

联系方式：

主页：http://www.imeta.science
出版社：https://onlinelibrary.wiley.com/journal/2770596x
投稿：https://mc.manuscriptcentral.com/imeta
邮箱：office@imeta.science
公众号：iMeta

iMeta最新文章中文版+视频

• iMeta | 北大陈峰组综述口腔微生物组的标准化研究：从技术驱动到假说驱动

• iMeta | 南昌大学丁霞等-水产养殖系统对中华鳖微生物组和肠道代谢组的影响

• iMeta｜西工大钟杨权威等-根系菌群沿环境梯度的响应机制

• iMeta | Majorbio Cloud：一站式多组学数据分析平台

• iMeta | 中科院生态中心邓晔组发布微生物组网络分析平台iNAP

第1卷第1期(2022.3)

• iMeta | 第1卷第1期在线正式发布(2022/3/28)

• iMeta | 整合宏组学重新认识生命和环境科学

• iMeta | 吴青龙/王明福/刘金鑫等-从肠道菌群看待人类对高原饮食的适应性

• iMeta | 德布鲁因图在微生物组研究中的应用

• iMeta | 南科大宋毅组综述逆境胁迫下植物向微生物组求救的遗传基础

• iMeta | 华中科大宁康组综述用于蛋白质结构预测的宏基因组定量分析

• iMeta | 高颜值高被引绘图网站imageGP

• iMeta | 电子科大林昊组开发蛋白质赖氨酸乳酸化位点预测工具DeepKla

• iMeta | 青岛大学苏晓泉组开发跨平台可交互的微生物组分析平台

• iMeta | 西农韦革宏团队焦硕等-土壤真菌驱动细菌群落的构建

• iMeta | 哈佛刘洋彧等基于物种组合预测菌群结构的深度学习方法

• iMeta | 中科院李小方等膳食甘草促进小鼠镉解毒并调节肠道菌群代谢

• iMeta | 浙大倪艳组MetOrigin实现代谢物溯源和肠道微生物组与代谢组整合分析

iMeta教你绘图

• 使用ImageGP绘图热图Heatmap

• 使用ImageGP绘图富集分析泡泡图

• 使用PMS分析微生物组(图文+视频)

iMeta相关资讯

• iMeta | EndNote调整完美引文格式教程

• Publons：文章审稿、编辑工作认证平台

• 如何投稿iMeta期刊？ScholarOne投审稿系统作者使用教程

• 报告视频录制：腾讯会议录屏+人像画中画特效

• 高影响力期刊iMeta扬帆起航(微生物组&生物信息)