3D火山图绘制教程

一边学习，一边总结，一边分享！

本期教程内容

**注：**本教程详细内容
Volcano3D绘制3D火山图

一、前言

火山图是做差异分析中最常用到的图形，在前面的推文中，我们也推出了好几期火山图的绘制教程，以及很多火山图的教程也可以参考。R语言绘制精美图形 | 火山图 | 学习笔记、各类差异基因火山图汇总 | 学习笔记等等。大家根据自己的需求绘制相关的火山图即可。

今天，我们学习使用volcano3D绘制3D火山图，我们会给出详细的绘图过程。

注意： 小杜的生信笔记分享的教程是结合自己的需求进行分享，难免会有错误或遗漏，望见谅！

二、GitHub网址

https://github.com/KatrionaGoldmann/volcano3D

三、加载R包和数据

3.1 安装volcano3D包

### 安装volcano3D包
library(devtools)
#install_github("KatrionaGoldmann/volcano3D")

### 或是使用以下方法进行安装
# repos = getOption("repos")
# repos["volcano3Ddata"] = "http://KatrionaGoldmann.github.io/volcano3Ddata"
# options(repos = repos)
#install.packages("volcano3Ddata")
library(volcano3Ddata)

3. 2 安装R包时报错问题处理

我自己在安装volcano3D1时出现的报错，安装不了。我开了VPN，但也是报错。后看了是如下的问题，volcano3D相关的包vctrs版本太低了，然后进行升级后即可安装。

3.3 加载数据包

devtools::install_github("KatrionaGoldmann/volcano3Ddata")

citation("volcano3D")

3.4 加载R包

library(volcano3D)
library(volcano3Ddata)

# Basic DESeq2 set up
library(DESeq2)
library(ggplot2)
library(kableExtra)

3.5 数据展示

结合示例数据进行准备数据，基本与我们平时做差异分析数据保持一致，或是你直接使用DESep2做差异分析，使用其结果进行绘图。

citation("volcano3D")

## 
## To cite package 'volcano3D' in publications use:
## 
##   Goldmann K, Lewis M (2020). _volcano3D: 3D Volcano Plots and Polar
##   Plots for Three-Class Data_.
##   https://katrionagoldmann.github.io/volcano3D/index.html,
##   https://github.com/KatrionaGoldmann/volcano3D.
## 
## A BibTeX entry for LaTeX users is
## 
##   @Manual{,
##     title = {volcano3D: 3D Volcano Plots and Polar Plots for Three-Class Data},
##     author = {Katriona Goldmann and Myles Lewis},
##     year = {2020},
##     note = {https://katrionagoldmann.github.io/volcano3D/index.html, https://github.com/KatrionaGoldmann/volcano3D},
##   }

data("syn_data")
data("syn_txi")

3.6 差异分析

创建数据集

counts <- matrix(rnbinom(n=3000, mu=100, size=1/0.5), ncol=30)
rownames(counts) <- paste0("gene", 1:100)
cond <- rep(factor(rep(1:3, each=5), labels = c('A', 'B', 'C')), 2)
resp <- factor(rep(1:2, each=15), labels = c('non.responder', 'responder'))
metadata <- data.frame(drug = cond, response = resp)

counts[1:10,1:5]

dds <- DESeqDataSetFromMatrix(counts, metadata, ~response)

res <- deseq_2x3(dds, ~response, "drug")

差异结果

head(res)

函数deseq_2x3()返回一个包含3个DESeq2对象的列表，其中包含3种药物中每一种的响应分析。这些响应与非响应差异表达式比较可以通过R软件包easylabel的easyVolcano()函数快速可视化，该软件包专为DESeq2和limma对象设计,并使用交互式。 R/发光界面。

#install.packages("easylabel")
library(easylabel)
df <- as.data.frame(res[[1]])  # results for the first drug  
easyVolcano(df)

deseq_2x3输出被传递给deseq_2x3_pole()以生成一个volc3d类对象用于绘图。因此，三维径向图和三维火山图简化了二乘三维分析的可视化，用一个单一的径向图或三维火山图取代了三个火山图。

# Generate polar object
obj <- deseq_2x3_polar(res)

# 2d plot
radial_plotly(obj)

# 3d plot
volcano3D(obj)

此图形可以手动选择方向，以及缩放。

四、绘制不同药理的图形

kable(table(syn_metadata$Pathotype), col.names = c("Pathotype", "Count"))

syn_metadata$Pathotype <- factor(syn_metadata$Pathotype, 
                                 levels = c('Lymphoid', 'Myeloid', 'Fibroid'))
##设置原始变量
dds <- DESeqDataSetFromTximport(txi = syn_txi, 
                                colData = syn_metadata, 
                                design = ~ Pathotype + Batch + Gender)

##差异分析
dds_DE <- DESeq(dds)
##病理类型
dds_LRT <- DESeq(dds, test = "LRT", reduced = ~ Batch + Gender, parallel = TRUE)
#创建'volc3d' 数据集
res <- deseq_polar(dds_DE, dds_LRT, "Pathotype")
##绘制三维散点图
volcano3D(res)