DaniCee's questions

Não encontrei um exemplo que se aplique ao meu problema específico, mas fique à vontade para marcar como duplicado, se necessário.

Tenho uma lista aninhada como a seguinte:

nested_list <- list(
  ID1 = list(
    FEAT = list(
      feat1 = list(start = "1", end = "15", label = "CDR1"),
      feat2 = list(start = "20", end = "25", label = "CDR2")
    ),
    SEQ = "ACTGATCGTAGCTAGCTAGATGCTGATGTGTC"
  ),
  ID2 = list(
    SEQ = "ACTGATCGGCGGTGGCTAGCTGTGGGGCGCGCGACCGGGAAAA"
  )
)

Quero obter um quadro de dados como este:

   id  feat feat_label feat_start feat_end                                    full_seq
1 ID1 feat1       CDR1          1       15            ACTGATCGTAGCTAGCTAGATGCTGATGTGTC
2 ID1 feat2       CDR2         20       25            ACTGATCGTAGCTAGCTAGATGCTGATGTGTC
3 ID2  <NA>       <NA>         NA       NA ACTGATCGGCGGTGGCTAGCTGTGGGGCGCGCGACCGGGAAAA

as.data.frame(nested_list)não produz o que eu quero, então provavelmente precisa de uma etapa extra para transformar o quadro de dados em um formato "mais longo", de preferência com algo como tidyr::pivot_longer().

Tenho um gráfico de violino+boxplots que faço com os irisdados como exemplo, assim:

data(iris)
iris_long <- as.data.frame(tidyr::pivot_longer(iris, -Species, names_to = "variable", values_to = "value"))
P <- ggplot2::ggplot(iris_long, ggplot2::aes(x=variable, y=value)) +
  ggplot2::geom_violin() +
  ggplot2::geom_boxplot(width=0.2, alpha=0, outlier.shape=NA, coef=0, show.legend=FALSE) +
  ggplot2::stat_summary(fun=mean, geom="point", shape=16, size=2, show.legend=FALSE) +
  ggplot2::theme_light()
grDevices::pdf(file="test.pdf", height=4, width=8)
print(P)
grDevices::dev.off()

O que produz este gráfico:

Agora também tenho um quadro de dados com valores de corte por nível de variável, como este:

cutoffs <- data.frame(variable=sort(names(iris)[-length(names(iris))]), cutoff=c(7,2.5,8,4.5))

Quero apenas plotá-los como barras de corte vermelhas em cima de cada violino+boxplot, para que o resultado fique parecido com este:

Qual seria a melhor maneira de fazer isso geom_segment? Ou existe uma maneira mais fácil com talvez geom_errorbar?

EDITAR

Agora estou tentando fazer o mesmo, mas incluindo as Speciesinformações no gráfico violin+boxplots. Depois que adiciono fill=Species(com os dados formatados apropriadamente), recebo um erro geom_segmentque não sei como depurar.

Além disso, mesmo sem geom_segmentos violinos, os boxplots não se alinham bem.

Como posso depurar o erro abaixo e alinhar os violinos e os boxplots corretamente?

Observe que, para os segmentos, ainda quero apenas um corte por nível de variável (um para altura da sépala, um para largura da sépala, um para altura da pétala e um para largura da pétala).

Este é o novo código:

data(iris)
iris_long <- as.data.frame(tidyr::pivot_longer(iris, cols=names(iris)[-length(names(iris))],
                                               names_to = "variable", values_to = "value"))
cutoffs <- data.frame(variable=sort(names(iris)[-length(names(iris))]), cutoff=c(7,2.5,8,4.5))

P <- ggplot2::ggplot(iris_long, ggplot2::aes(x=variable, y=value, fill=Species)) +
  ggplot2::geom_violin() +
  ggplot2::geom_boxplot(width=0.2, alpha=0, outlier.shape=NA, coef=0, show.legend=FALSE) +
  ggplot2::stat_summary(fun=mean, geom="point", shape=16, size=2, show.legend=FALSE) +
  ggplot2::geom_segment(data=cutoffs, ggplot2::aes(x=as.numeric(as.factor(variable)) - .25,
                                                   xend=as.numeric(as.factor(variable)) + .25,
                                                   y=cutoff, yend=cutoff), color = "red", alpha=0.75) +
  ggplot2::theme_light()
grDevices::pdf(file="test.pdf", height=4, width=8)
print(P)
grDevices::dev.off()

E o erro:

Erro em ggplot2::geom_segment(): ! Problema ao calcular a estética. ℹ Ocorreu um erro na 4ª camada. Causado pelo erro: ! objeto 'Espécie' não encontrado Execute rlang::last_trace()para ver onde ocorreu o erro.

Digamos que eu tenha um quadro de dados como myiriso abaixo, onde eu quero apenas destacar as setosaespécies.

Não quero, no entanto, que as outras espécies apareçam na legenda. Para minha conveniência, apenas fiz todo o resto ser NA em uma nova Highlightcoluna.

Eu faço o seguinte:

data(iris)
library(ggplot2)
myiris <- data.frame(iris$Sepal.Length, iris$Petal.Length, Highlight=as.character(iris$Species))
names(myiris)[1:2] <- c('Sepal.Length', 'Petal.Length')
myiris$Highlight[myiris$Highlight!="setosa"] <- NA
myiris$Highlight <- factor(myiris$Highlight, levels="setosa")
plot_palette <- c("red","gray70")

P <- ggplot(myiris, aes(x=Sepal.Length, y=Petal.Length, color=Highlight)) +
     geom_point(pch=16, size=5, alpha=0.5) +
     scale_color_manual(values=plot_palette, breaks='setosa')
P

Isso produz o seguinte enredo, que é ótimo e já é o que eu esperava;

No entanto, eu gostaria que o formato do ponto Highlighttambém fosse uma função, com setosapontos preenchidos e pontos NA ocos.

Eu uso scale_shape_manualexatamente da mesma maneira que usei scale_color_manual:

P <- ggplot(myiris, aes(x=Sepal.Length, y=Petal.Length, color=Highlight, shape=Highlight)) +
     geom_point(size=5, alpha=0.5) +
     scale_color_manual(values=plot_palette, breaks='setosa') +
     scale_shape_manual(values=c(16,1), breaks='setosa')

No entanto, eu recebo:

Mensagem de aviso: Foram removidas 100 linhas contendo valores ausentes ou valores fora do intervalo de escala ( geom_point()).

E o enredo produzido é este:

Por que o scale_shape_manualcomportamento é diferente das funções correspondentes e como corrigir isso para obter o que preciso (cor e forma como uma função Highlightsem grupo NA na legenda)?

EDITAR

NAs na Highlightcoluna não são de fato o problema. Você poderia tentar fazer o mesmo usando o original iris(em vez de myiris) e a Speciescoluna (em vez de Highlight), mas o mesmo problema ocorre:

P <- ggplot(iris, aes(x=Sepal.Length, y=Petal.Length, color=Species)) +
     geom_point(pch=16, size=5, alpha=0.5) +
     scale_color_manual(values=c('red','gray70','gray70'), breaks='setosa')

E

P <- ggplot(iris, aes(x=Sepal.Length, y=Petal.Length, color=Species, shape=Species)) +
     geom_point(size=5, alpha=0.5) +
     scale_color_manual(values=c('red','gray70','gray70'), breaks='setosa') +
     scale_shape_manual(values=c(16,1,1), breaks='setosa')

Digamos que eu tenha uma sequência como myseqa abaixo. É uma sequência de DNA, então cada grupo de 3 letras faz uma letra (aminoácido) na myaasequência que a acompanha. Ela tem um comprimento de 13aa.

Quero criar um mydfdataframe com as posições inicial e final de cada grupo de 3 letras em myseq. No exemplo básico abaixo sem lacunas, faço isso facilmente com seq().

myseq <- "CTACGTAGCTAGCTGGGGTACCGTTATTCAGCTAGCATG"
myaa <- "XYZWWXZZVVYZX"
st_pos <- seq(1, nchar(myseq)-2, 3)
en_pos <- seq(3, nchar(myseq), 3)
mydf <- data.frame(starts=st_pos, ends=en_pos, label=unlist(strsplit(myaa, "")))

Isso produz este dataframe, que é exatamente o que eu quero:

> mydf
   starts ends label
1       1    3     X
2       4    6     Y
3       7    9     Z
4      10   12     W
5      13   15     W
6      16   18     X
7      19   21     Z
8      22   24     Z
9      25   27     V
10     28   30     V
11     31   33     Y
12     34   36     Z
13     37   39     X

No entanto, estou encontrando exemplos com meus dados reais que myseqcontêm lacunas. Nesses casos, não posso confiar seq()porque preciso levar em conta as lacunas para as posições inicial e final.

Como devo fazer isso? Mostro a vocês 2 casos abaixo, e meu mydfdataframe esperado, para o qual eu apenas codifiquei as posições inicial e final.

#case 1 - gaps breaking groups of 3 letters in half
myseq <- "CTACGTAGCTAGCTGGGGTACCGTT---ATTC--AGCTAGCATG"
st_pos <- c(1,4,7,10,13,16,19,22,25,31,36,39,42)
en_pos <- c(3,6,9,12,15,18,21,24,30,35,38,41,44)
mydf <- data.frame(starts=st_pos, ends=en_pos, label=unlist(strsplit(myaa, "")))

#case 2 - gaps in between groups of 3 letters, and at the beginning of groups of 3 letters
myseq <- "CTACGTAGCTAGCTGGGGTACCGT---TAT--TCAGCTAGCATG"
st_pos <- c(1,4,7,10,13,16,19,22,28,33,36,39,42)
en_pos <- c(3,6,9,12,15,18,21,24,30,35,38,41,44)
mydf <- data.frame(starts=st_pos, ends=en_pos, label=unlist(strsplit(myaa, "")))

Como devo produzir os vetores st_pose en_posnesses casos de uma maneira fácil?

EDITAR

Para obter esses números, eu apenas divido as sequências em grupos de 3 letras e conto as posições manualmente, mas não sei como fazer isso de forma automática.

Para posições iniciais de sequência do caso 1:

1    4    7    10   13   16   19   22   25      31     36   39   42
CTA  CGT  AGC  TAG  CTG  GGG  TAC  CGT  T---AT  TC--A  GCT  AGC  ATG

Da mesma forma para as posições finais do caso 1:

  3    6    9    12   15   18   21   24      30     35   38   41   44
CTA  CGT  AGC  TAG  CTG  GGG  TAC  CGT  T---AT  TC--A  GCT  AGC  ATG

Agora para as posições iniciais da sequência do caso 2:

1    4    7    10   13   16   19   22        28       33   36   39   42
CTA  CGT  AGC  TAG  CTG  GGG  TAC  CGT  ---  TAT  --  TCA  GCT  AGC  ATG

E caso 2 posições finais:

  3    6    9    12   15   18   21   24        30       35   38   41   44
CTA  CGT  AGC  TAG  CTG  GGG  TAC  CGT  ---  TAT  --  TCA  GCT  AGC  ATG

Provavelmente é uma duplicata, mas não consigo encontrar esse caso específico.

Digamos que eu tenha duas listas:

list1 <- as.list(c(5, 8, 9))
list2 <- as.list(c(8, 10, 11))

Eu sei como aplicar uma função a uma lista. Digamos que eu queira aplicar o seguinte a list1:

lapply(list1, function(x){x+100})

Mas e se eu só quiser aplicar tal função list1quando o valor correspondente em list2for >=10? Então meu resultado é:

[[1]]
[1] 5

[[2]]
[1] 108

[[3]]
[1] 109

E mais ainda, como posso somar 100 ao valor em list1e subtrair o valor em list2somente quando o valor em list2for >=10?

Algo como o seguinte, que obviamente não funciona:

lapply(list1, list2, function(x,y){if (y>=10) x+100-y})

Obrigado!

Tenho vários gráficos feitos com ggplot2os quais organizo juntos usando cowplot. Todos eles têm o mesmo comprimento e um eixo x com as mesmas quebras nos mesmos lugares, mas com rótulos diferentes.

Este é um MWE:

mylist <- list()
mylist[["ID1"]][["sequence"]] <- "AGAATATTATACATTCATCT"
mylist[["ID2"]][["sequence"]] <- "GCTAGCGTTTAGTTTAGCTG"
mylist[["ID3"]][["sequence"]] <- "AACCCTTTAAACTCGAAGTA"
set.seed(123)
mylist[["ID1"]][["data"]] <- data.frame(time=1:100, value=rnorm(100, mean=10, sd=2))
mylist[["ID2"]][["data"]] <- data.frame(time=1:100, value=rnorm(100, mean=2, sd=1))
mylist[["ID3"]][["data"]] <- data.frame(time=1:100, value=rnorm(100, mean=5, sd=3))
indexes <- seq(5, 100, length.out=20)
all_df <- NULL
for (id in names(mylist)){
  seqsplit <- unlist(strsplit(mylist[[id]][["sequence"]], ""))
  ind_df <- data.frame(call=seqsplit, time=indexes)
  final_df <- dplyr::left_join(mylist[[id]][["data"]], ind_df, by="time")
  xcolors <- ifelse(seqsplit=="A", "green", ifelse(seqsplit=="C", "blue", ifelse(seqsplit=="G", "black", "red")))
  P <- ggplot2::ggplot(final_df, ggplot2::aes(x=time, y=value)) +
    ggplot2::geom_line(linewidth=0.5) +
    ggplot2::scale_x_continuous(breaks=indexes, labels=seqsplit, expand=c(0,1)) +
    ggplot2::scale_y_continuous(breaks=seq(-5, 15, 5), limits=c(-5,15)) +
    ggplot2::theme_light() +
    ggplot2::theme(axis.title=ggplot2::element_blank(),
                   axis.text.x=ggtext::element_markdown(face="bold", color=xcolors))
  mylist[[id]][["plot"]] <- P
}
plot_list <- sapply(mylist, "[", "plot")
grDevices::pdf(file="test.pdf", height=4, width=10)
print(
  cowplot::plot_grid(plotlist=plot_list, ncol=1)
)
grDevices::dev.off()

que produz:

O que eu quero fazer agora é criar um eixo x comum para todos, com o comum indexes(ou melhor, de 1 ao comprimento das sequências), que eu colocaria em cima do cowplot; algo assim:

Isso provavelmente envolveria criar uma régua de índices do eixo x separada e ggplot2com a mesma largura (levando em conta o espaço horizontal do eixo y e tudo mais) e, então, colocá-la cowplotcom a altura relativa apropriada... qualquer ajuda é bem-vinda!

Tenho um gráfico de linhas simples onde mostro uma sequência de DNA no eixo x, feito da seguinte maneira com ggplot2:

myseq <- "AGAATATTATACATTCATCT"
set.seed(123)
mydata <- data.frame(time=1:100, value=rnorm(100, mean=10, sd=2))
indices <- seq(5, 100, length.out=20)
seqsplit <- unlist(strsplit(myseq, ""))
ind_df <- data.frame(call=seqsplit, time=indices)
final_df <- dplyr::left_join(mydata, ind_df, by="time")
xcolors <- ifelse(seqsplit=="A", "green", ifelse(seqsplit=="C", "blue", ifelse(seqsplit=="G", "black", "red")))
P <- ggplot2::ggplot(final_df, ggplot2::aes(x=time, y=value)) +
  ggplot2::geom_line(linewidth=0.5) +
  ggplot2::scale_x_continuous(breaks=indices, labels=seqsplit) +
  ggplot2::scale_y_continuous(limits=c(5,17)) +
  ggplot2::theme_light() +
  ggplot2::theme(axis.title.x=ggplot2::element_blank(),
                 axis.text.x=ggtext::element_markdown(face="bold", color=xcolors))
grDevices::pdf(file="test.pdf", height=3, width=10)
print(P)
grDevices::dev.off()

que produz:

Agora eu tenho uma sequência de aminoácidos associada de comprimento 4, para a qual eu sei as posições inicial e final na sequência de DNA. Cada letra da sequência de aminoácidos corresponde a 3 letras na sequência de DNA.

aaseq <- "WXYZ"
start <- 5
end <- 17

Aqui, a sequência de aminoácidos WXYZcomeça T-5e termina em C-17uma das sequências de DNA acima, e quero plotá-las juntas.

Este seria meu objetivo final (poderia ser apenas quadrados em vez de "setas"):

Existe uma maneira fácil de fazer isso em ggplot2?

Tenho uma tabela confusa que leio em um quadro de dados semelhante ao seguinte simplificado, que desejo analisar.

mydf <- data.frame(group=LETTERS[1:5], code=101:105, ids=c('g1:id1,id2,id3\ng2:id4,id5',
                                                           'id6,id7,id8,id9',
                                                           'g1:id10,id11\ng3:id12',
                                                           'g2:id13,id14',
                                                           'id15'))

Parece que:

> mydf
  group code                        ids
1     A  101 g1:id1,id2,id3\ng2:id4,id5
2     B  102            id6,id7,id8,id9
3     C  103      g1:id10,id11\ng3:id12
4     D  104               g2:id13,id14
5     E  105                       id15

Preciso separar a idscoluna recolhida em várias linhas para obter um quadro de dados final em formato longo.

Para isso, eu normalmente aplicaria separate_rowsfrom tidyr, mas esse caso tem um problema adicional: alguns dos recolhidos idsestão agrupados em subgrupos.

Acho que devo primeiro separar esses subgrupos em colunas de ids diferentes e depois aplicar separate_rowsou separate_longer_delimnessas colunas... Não sei como fazer isso.

O quadro de dados final que espero seria assim, em formato longo, com as subgroupinformações em uma coluna adicional:

> mydf_new
   group code   id subgroup
1      A  101  id1       g1
2      A  101  id2       g1
3      A  101  id3       g1
4      A  101  id4       g2
5      A  101  id5       g2
6      B  102  id6     <NA>
7      B  102  id7     <NA>
8      B  102  id8     <NA>
9      B  102  id9     <NA>
10     C  103 id10       g1
11     C  103 id11       g1
12     C  103 id12       g3
13     D  104 id13       g2
14     D  104 id14       g2
15     E  105 id15     <NA>

Tenho um cowplotparecido com o seguinte, com diferentes ggplot2gráficos dentro.

plot_list <- list()
plot_list[["P1"]] <- ggplot2::ggplot(mtcars, ggplot2::aes(x = mpg, y = drat)) + ggplot2::geom_point()
plot_list[["P2"]] <- ggplot2::ggplot(mtcars, ggplot2::aes(x = mpg, y = qsec)) + ggplot2::geom_point()
plot_list[["P3"]] <- ggplot2::ggplot(mtcars, ggplot2::aes(x = disp, y = drat)) + ggplot2::geom_point()
plot_list[["P4"]] <- ggplot2::ggplot(mtcars, ggplot2::aes(x = disp, y = qsec)) + ggplot2::geom_point()
P <- cowplot::plot_grid(plotlist=plot_list, ncol=1)

grDevices::pdf(file="test_all.pdf", height=10, width=20)
print(P)
grDevices::dev.off()

que produz:

Agora eu quero fazer um gráfico com ggplot2também, que são apenas caixas de cor com texto, para "agrupar" o gráfico acima. Pense em face_wrap()tiras somente (mas maiores) com strip.position="left". Assim:

para que as caixas ocupem o mesmo espaço vertical relativo que os sub-parcelas principais:

Meu objetivo final é colocar esses 2 gráficos (gráfico de tiras e gráfico principal) lado a lado em um aplicativo Shiny, para que as tiras sejam fixas e o gráfico principal seja rolável (somente eixo x). É por isso que não quero usar facet_wrap.

Pode ser uma duplicata, mas nenhuma das perguntas que encontrei parece ajudar no meu caso.

Eu tenho um finaldfquadro de dados que contém valores em diferentes pontos no tempo, e pontos no tempo específicos são usados ​​como quebras no eixo x (correspondendo a uma sequência de DNA). Eu consigo assim:

myseq <- "AGAATATTATACATTCATCT"
set.seed(123)
mydata <- data.frame(time=1:100, value=rnorm(100, mean=10, sd=2))
indices <- seq(5, 100, length.out=20)
seqsplit <- unlist(strsplit(myseq, ""))
ind_df <- data.frame(call=seqsplit, time=indices)
finaldf <- dplyr::left_join(mydata, ind_df, by="time")

Parece assim:

> finaldf
    time     value call
1      1  8.879049 <NA>
2      2  9.539645 <NA>
3      3 13.117417 <NA>
4      4 10.141017 <NA>
5      5 10.258575    A
6      6 13.430130 <NA>
7      7 10.921832 <NA>
8      8  7.469878 <NA>
9      9  8.626294 <NA>
10    10  9.108676    G
11    11 12.448164 <NA>
12    12 10.719628 <NA>
13    13 10.801543 <NA>
14    14 10.221365 <NA>
15    15  8.888318    A
...

E eu ploto assim:

P <- ggplot2::ggplot(finaldf, ggplot2::aes(x=time, y=value)) +
  ggplot2::geom_line(linewidth=0.5) +
  ggplot2::scale_x_continuous(breaks=indices, labels=seqsplit) +
  ggplot2::theme_light()
grDevices::pdf(file="test.pdf", height=4, width=10)
print(P)
grDevices::dev.off()

Resultando neste gráfico:

Agora quero introduzir diferentes lacunas na sequência e obter "gráficos com lacunas", idênticos ao acima, mas com lacunas.

Meu ponto de partida seriam as finaldfsequências originais e diferentes com lacunas, idênticas à sequência original, mas com lacunas. Por exemplo:

gapseq1 <- "AGAA-TAT--TAT-ACATT---CATCT-"
gapseq2 <- "A-G-AATAT----TATACATTCA-TCT"

Para essas duas sequências lacunadas, quero recriar os seguintes gráficos (de preferência preservando a grade, mas não é necessário):

Como posso fazer isso de maneira fácil? Obrigado!