若是生物信息只学习一个R包拳交 xxx，那一定是ggplot2。

若是ggplot2里只可选用一种，那一定是ggtree。

在生物信息学界限，进化树是探究物种之间联系的迫切器用，是咱们分析职责中一定不成勤恳的一环，而ggtree即是一款绘画tree的大大大神器。

这款由可视化大神余晖创结识研发的R神器，可谓是生物信息研发东说念主员东说念主手一份。

关联词可惜的是，ggtree现在是全代码操作，关于号令行操作不熟练的结识使用起来较为清贫。为了便捷全球的使用，特将笔者我方梳理的ggtree的使用纪录共享下~

一、ggtree的装配（仅需一次）

装配 ggtree前先确保您仍是装配了 R 谈话和 RStudio。接下来在 R 收尾台中输入以下代码以装配 `ggtree` 偏激估计依赖包：

install.packages("BiocManager")BiocManager::install("ggtree")# install.packages("treeio")

二、读入文献

 library("ggtree") library("treeio") library("dplyr")# 读入tree文献 tree<-read.newick(nwkfile，node.label="label") # 读入列表文献（可用于后续分组、标识脸色等） meta<-read.delim(info，header=TRUE)

这里再啰嗦两句，阐明一下这里读入的nwk文献是啥？nwk也即是Newick要领，是一种最常用于默示进化树（系统发育树）的文献要领。同期亦然mega、fasttree等多种构树软件的输出文献要领。

nwk文献示例：

((A:0.1， B:0.2):0.3， C:0.4);

这即是一个肤浅的Newick要领的树，默示有一个四个节点的树，其中A和B是子节点，C是另一个子节点，且各个分支具有特定的长度。

三、绘画tree（最关键的来了）

最肤浅，最径直，可是不颜面的tree

蝴蝶谷娱乐

ggtree(tree)

图片

为了好意思化，咱们不错凭据需要将其他估计数据（如物种分组信息）兼并到树数据框中。

# 读入列表文献（可用于后续分组、标识脸色等）meta<-read.delim(info，header=TRUE)tree_df <- fortify(tree)  # 兼并tree和分组信息  tree_df <- tree_df %>%    left_join(meta， by = c("label" = "ID"))  # 绘画tree，并添加分组脸色p1 <- ggtree(tree_df，layout="roundrect"，branch.length="none") +      geom_tippoint(aes(label = label， color = Group)， size = 3) +      theme(legend.position = "right") p1 

图片

这么看，是不是怡悦了许多？分组更为明晰明了一些啦。

具体讲明下ggtree示例中几个小参数的具体含义：

geom_tippoint:用于在叶子节点（tip）上添加点，往往用于标示具体的样本或物种。不错通过size，color的具体缔造来作念节点的退换。

scale_color_manual: 用于自界说脸色的映射。当你念念要为不同的组或分类指定特定的脸色时很有用。

theme：用于自界说图形的合座主题和神态，比如字体、配景、网格线等。不错退换图形的好意思不雅性和可读性。

annotate：用于在图形上添加耀眼，如文本、箭头或标识。这不错匡助讲明图上的某些特征或数据。

layout 指定树形状的布局政策，比如树的分支观点、叶节点的位置等。

除示例中的roundrect外，常用的另外两种布局类型：

"rectangular": 直角布局，默许的基本布局，树呈现为高下或驾驭结构。

"circular": 圆形布局，与径向布局近似，但叶节点沿圆的周围均匀散布。

四、服从保存

这里同ggplot的其他包，王人是用ggsave号令完收服从的保存。一般提议保存为pdf要领，便捷后续修改。

ggsave("tree_plot.pdf"， plot = p1， width = 10， height = 6)

五、批量初始

说真话若是是单个tree的绘画和好意思化，我并不提议用ggtree，网页版的iTol是更好的选用（步步图解iTol-给进化树作念个好意思颜）

ggtree的优点是更适于批量化腹地初始。比如咱们有一百个文献王人需要作念tree，咱们不错如下操作

for (file in file_list) {  # 轮回读取树文献    tree <- read.tree(file)  # 从文献名索求物种名  # 创确立数据框    tree_df <- fortify(tree)  # 兼并分组信息   tree_df <- tree_df %>%      left_join(meta， by = c("label" = "ID"))# 绘画树    p1 <- ggtree(tree_df， layout = "roundrect") +       geom_tree() +      geom_tippoint(aes(label = label， color = Group)， size = 1) +      theme(legend.position = "none") +       annotate("text"， x = max(tree$edge.length) * 0.5， y = -3，                label = file， size = 2， vjust = -1)  # 保存每个图    ggsave(paste0(species_name， ".pdf")， plot = p1， width =11， height = 5)  # 将图添加到列表中    plots[[length(plots) + 1]] <- p1  }  # 使用cowplot将图兼并，每行涌现5个图  combined_plot <- plot_grid(plotlist = plots， ncol = 5)  # 保存兼并后的图形  ggsave("combined_tree_plot.pdf"， plot = combined_plot)

此时，咱们不仅得到了100个pdf要领的tree图，还得到了一张整图（涵盖了系数用率）。这是iTol齐备作念不了的事情。

虽然，ggtree还有更多其他的优点，比如，有更大的变化，因循多样变形。就像乐高相同，ggtree其实莫得固定的套路，因循每个玩家我方的创造。

其官方教程如下：

https://yulab-smu.top/treedata-book/

终末再次感触一下，学习真不是一件容易的事情。

长按眷注

风作伴，梦作念马，追啊迎啊最浓烈的年华

-少小的你啊

公众堪称号：微微悦明

科学的乐趣是获取新常识的愉快~

高通量测序、大数据病原微生物检测和监测健康大数据行业资讯纪录与共享拳交 xxx

本站仅提供存储作事，系数推行均由用户发布，如发现存害或侵权推行，请点击举报。