主讲老师第十九课：泛组织表达之 gganatogram 包随着生信分析的不断进步，各种研究套路不断发展，在泛癌或者泛组织研究中，除了通过普通的箱线图等形式来展示某特定基因或者特征来表达在人体中的整体表达分布外，我们也可以尝试使用其他的方法来呈现数据， gganatogram 包是一个可以快速绘制各种解剖图的 R 包（gganatogram.zip），其最初发布于 2018 年，可以用于绘制不同生物的解剖模型，并且对组织的颜色进行赋值展示，更加直观的展示结果。
下面，我们一起来看下如何使用 gganatogram 包绘制相关模型展示图
1.R 包安装与读取
1.1 R 包的安装
对于 gganatogram 包的安装，需要从 GitHub 上进行下载，当然，考虑到网速问题，你可以进行下载后本地安装
1.2 读取 R 包
此外， gganatogram 包的使用需要同时读取 ggplot2 包和 ggpolypath 包
2.绘制人体表达图谱
首先，我们使用 gganatogram 包内置数据 hgMale_key 和 hgFemale_key 数据集来绘制人体解剖图谱，当然，也可以使用 GTEx 数据库整理得到的数据，只需要对参数 data 进行修改即可。
在 gganatogram() 函数中，参数 data 指定输入数据，其中包含器官的颜色和对应的数值，需要注意的是区分数据对应的男性或者女性，参数 fillOutline 表示解剖图外围的填充色，其默认数值为#a6bddb ，参数 organism 为相应的生物类型，在此我们选择 human在图中，分别展示了男性（左侧）和女性（右侧）两个图形，而且器官的颜色由输入数据集中器官对应的颜色来填充，然而，在实际分析与文章使用中，我们不仅仅只是想展示人体的各个器官而已，当获得某一基因在不同器官内的表达值后，我们可以对解剖图进一步拓展，接着，我们使用数值对器官内的颜色用器官的表达值来进行修改注意，ggplot2 中的相关函数在此是可以使用的，scale_fill_continuous()表示将值进行连续分配，同时，将数据集中 value 值指定给参数 fill可以看到，在结果图中，比例尺展示了颜色对应的数值，同时人体模型中颜色越蓝，表示该器官内的表达值越高，从而形象的展示某个基因或特征在男性和女性中的整体分布情况。
3.绘制器官对应表达图
除了绘制整体分布图后，我们还可以针对特定的器官进行赋值和修改。首先，我们来看一下人体解剖图中所包含的器官种类。
分别可以看下男性和女性的相关器官类型，随后，我们构建一个包含不同器官表达的数据框。
在此，分别对“心脏”，“白细胞”，“神经”，“大脑”，“肝脏”，“胃”，“结肠”等器官的颜色和表达值进行指定。
在解剖图中，展示了数据集 organPlot 包含的器官类型，且不同器官的顺序与数据集中器官顺序一致，因此，在图中肝（liver），胃（stomach）和结肠（colon）叠放在图的最上方。接下来，我们对其中的参数进一步修改通过 scale_fill_gradient(low = "white", high = "red")对颜色进行定义，低表达为白色，高表达为红色与 ggplot() 函数对应的语法一致， gganatogram() 函数是基于 ggplot() 函数所创建的，同样可以使用 facet_wrap() 函数来对图形进行分面处理。
结果显示，对 type 类型进行分面后，可以看到，在三个解剖图中分别展示了循环系统，消化系统和神经系统中器官的情况
4.其他生物解剖模型
除了人体解剖模型外，在 gganatogram 包中还提供了其他类型的生物解剖模型，包括常见的鼠（Mouse），细胞（Cell），牛，植物等等，这里简单介绍一下，特别是鼠的模型，有些时候还是可以用到的接着，绘制细胞模型
5.在线编辑器
除了使用 R 来 绘 制 图 后 ， 作 者 还 制 作 了 相 应 的 shiny app ，https://jespermaag.shinyapps.io/gganatogram/ 可以通过鼠标点点点完成整个绘制过程，不过，限制的是，该 app 每个月会有 25 小时的限制时间可以看到，在 Species 中选择物种类型，包括前面提到的人类，鼠，细胞等类型，勾选“Showoutline”，在 Fill 中选择以 color 或者 value 来填充器官颜色，从而快速完成前面讲述的绘制结果，最后，关于 gganatogram 包的使用，记得在文章中引用相关的文献：Maag JLV.gganatogram: An R package for modular visualisation of anatograms and tissues based onggplot2 [version 1; referees: 1 approved]. F1000Research 2018, 7:1576 (doi:
10.12688/f1000research.16409.1)
好啦，关于 GTEx 数据及其可视化展示的拓展内容，就先介绍到这里了