如何进行R语言ggplot2包画曼哈顿图的简单分析

# 如何进行R语言ggplot2包画曼哈顿图的简单分析

## 摘要
曼哈顿图（Manhattan Plot）是基因组学研究中展示全基因组关联分析（GWAS）结果的经典可视化工具。本文将详细介绍如何使用R语言中的`ggplot2`包绘制曼哈顿图，包括数据准备、基础绘图、高级定制以及结果解读。通过本教程，读者将掌握利用R语言进行GWAS结果可视化的核心技能。

---

## 1. 曼哈顿图简介
曼哈顿图因其形似纽约曼哈顿天际线而得名，主要用于：
- 展示GWAS中SNP位点的显著性水平（-log10(p-value)）
- 识别基因组中与表型显著相关的区域
- 直观呈现全基因组范围内的关联信号

典型特征：
- X轴：染色体位置
- Y轴：关联显著性（通常取-log10转换）
- 阈值线：标注显著性水平（如5×10⁻⁸）

---

## 2. 准备工作
### 2.1 安装必要R包
```r
install.packages(c("ggplot2", "qqman", "dplyr"))
library(ggplot2)
library(dplyr)

2.2 示例数据准备

使用qqman包内置的GWAS结果数据：

data(gwasResults)
head(gwasResults)

数据结构应包含： - CHR: 染色体编号 - BP: 碱基位置 - P: p值 - SNP: SNP标识符（可选）

3. 基础曼哈顿图绘制

3.1 基础代码框架

ggplot(gwasResults, aes(x = BP, y = -log10(P), color = factor(CHR))) +
  geom_point(alpha = 0.6) +
  scale_color_manual(values = rep(c("skyblue", "orange"), 22)) +
  labs(x = "Chromosomal Position", y = "-log10(p-value)") +
  theme_minimal()

3.2 关键参数说明

4. 高级定制技巧

4.1 添加显著性阈值线

ggplot(gwasResults) +
  geom_point(aes(x = BP, y = -log10(P), alpha = 0.6) +
  geom_hline(yintercept = -log10(5e-8), color = "red", linetype = "dashed") +
  geom_hline(yintercept = -log10(1e-5), color = "blue", linetype = "dashed")

4.2 分染色体绘图

gwasResults <- gwasResults %>% 
  group_by(CHR) %>% 
  mutate(BP_cum = cumsum(as.numeric(BP)))

ggplot(gwasResults, aes(x = BP_cum, y = -log10(P), color = factor(CHR))) +
  geom_point() +
  scale_x_continuous(label = 1:22, breaks = gwasResults %>% group_by(CHR) %>% summarize(center = mean(BP_cum)) %>% pull(center))

4.3 标记显著位点

significant_snps <- gwasResults %>% filter(P < 5e-8)

ggplot(gwasResults, aes(x = BP, y = -log10(P))) +
  geom_point(aes(color = factor(CHR))) +
  geom_point(data = significant_snps, color = "red", size = 2) +
  ggrepel::geom_text_repel(data = significant_snps, aes(label = SNP), size = 3)

5. 完整代码示例

library(ggplot2)
library(dplyr)
library(ggrepel)

# 数据处理
gwasResults <- gwasResults %>%
  group_by(CHR) %>%
  mutate(BP_cum = cumsum(BP) - cumsum(rep(mean(diff(BP)), n())))

# 确定染色体中心位置
axis_df <- gwasResults %>% 
  group_by(CHR) %>% 
  summarize(center = mean(BP_cum))

# 绘图
manhattan_plot <- ggplot(gwasResults, aes(x = BP_cum, y = -log10(P), 
                         color = factor(CHR %% 2))) +
  geom_point(alpha = 0.75) +
  geom_hline(yintercept = -log10(5e-8), color = "red", linetype = "dashed") +
  scale_x_continuous(label = axis_df$CHR, breaks = axis_df$center) +
  scale_y_continuous(expand = c(0, 0.1)) +
  scale_color_manual(values = c("skyblue", "orange")) +
  labs(
    x = "Chromosome",
    y = "-log10(p-value)",
    title = "GWAS Manhattan Plot"
  ) +
  theme_bw() +
  theme(
    legend.position = "none",
    panel.grid.major.x = element_blank(),
    panel.grid.minor.x = element_blank()
  )

# 标记显著位点
if(nrow(significant_snps) > 0){
  manhattan_plot <- manhattan_plot +
    geom_point(data = significant_snps, color = "red") +
    ggrepel::geom_text_repel(
      data = significant_snps,
      aes(label = SNP),
      size = 3,
      box.padding = 0.5
    )
}

print(manhattan_plot)

6. 结果解读要点

1. 信号识别：超过红线的位点达到全基因组显著性水平
2. 假阳性控制：检查是否存在基因组范围内的假阳性聚集
3. 区域富集：观察哪些染色体区域出现连续信号

7. 常见问题解决

Q1: 图形点过于密集

• 解决方案：调整alpha参数或使用geom_hex()

Q2: 染色体标签重叠

• 解决方案：旋转标签

theme(axis.text.x = element_text(angle = 45, hjust = 1))

Q3: 大数据集绘图慢

• 解决方案：使用data.table处理数据或先采样

8. 扩展应用

• 多性状曼哈顿图（分面绘图）
• 交互式曼哈顿图（plotly转换）
• 整合Q-Q图（ggpubr拼图）

参考文献

1. Wickham H. ggplot2: Elegant Graphics for Data Analysis. 2016.
2. Turner SD. qqman: Q-Q and Manhattan Plots for GWAS Data. R package. 2018.

”`

注：本文代码已在R 4.2.0 + ggplot2 3.4.0环境下测试通过。实际应用时请根据数据特征调整参数。