ggtree是Y叔的，也是微信公众号biobabble的号主，称号呢，挺多的。简而言之就是国内R开发者中的佼佼者。尤其擅长的是可视化。也就是我们比较关注的绘图部分。

ggtree简介

ggtree是Y叔的，也是微信公众号biobabble的号主，称号呢，挺多的。简而言之就是国内R开发者中的佼佼者。尤其擅长的是可视化。也就是我们比较关注的绘图部分。

之前我们介绍的clusterprofile就是他的作品，不过除此以外，他还有一个非常优秀的R包就是进化树的可视化R包tree，注意是可视化，而不是分析。

其实我最早之所以知道Y叔就是因为ggtree，但是也是我了解很晚的一个R包，原因就是因为，我没有树文件，让我分析作为个模板，工作和生活中都没有很好的应用场景。

但是最近因为办生信培训班，知道了ape这个包里有写出树文件的功能，所以这样的话，素材就是有了。所以也是一点点再看。

其实本文也有关于如何导出和导入热图的聚类树的[教程](# section01)

进化树背景知识

我对聚类树和进化树的结果倒是会看，但是树文件就很不友好了。基本上是一团懵逼。尤其是自己对进化树其实没什么深入了解。

所以一些基本知识的欠缺导致入门的时候，经常不明白这个node是什么鬼东西。

进化树很好理解，就是两点之间的行走的距离越近，就是代表进化或者关系上越相近。

除此以外，还有进化尺度的衡量，树枝🌿越长代表关系越远，这个其实也是行走的距离的标准之一。

除此以外，还有某些进化上时间的关系，这个时候就需要一个标准，一个已知进化时间的外群，或者已知进化时间的样本，就可以根据这个标准的时间，去计算其他样本的进化时间。

ggtree的实操

第一步，当然是要得到树文件🌿，进化树也大致分为两种，一种是聚类树，根据样本之间的相关性计算距离，根据距离矩阵，算出聚类数。

d <- dist(data)#计算样品间的距离
h <- hclust(d)#转换成聚类树的格式

另外一种就是根据核苷酸的替代和变化，构建的进化树，可以用MEGA X，也可以使用在线网站制作。这种网站很多。尤其是就职的公司公众号，发布了不少这方面的教程。就不在自述了。

ggtree的操作文件

这次教程的示例来自R自带的数据包mtcars，这次够友好吧，终于不拿公司的流程中的表达量总表来当例子了

用热图聚类的结果当作输入文件 {# section01}

将聚类热图的结果导出文件，这里可是能导出pheatmap的聚类结果奥。并且按照聚类的结果新增了group这一列，代表基因的分类情况。

path = "C:/Users/woney/Desktop"
setwd(path)
require(pheatmap)
p1 <- pheatmap(mtcars,scale = "row",cutree_rows = 4)
cut <- cutree(p1$tree_row,k=4) 
dat_cut <- cbind(mtcars,"group" = cut)
write.table(dat_cut,"heatmap_cut_id.xls",sep = "\t")

将热图的聚类书读出

接下来，就要根据热图的聚类结果，导出聚类树🍀，如图

安装ggtree

if（！requireNamespace（“BiocManager”，quietly = TRUE））
    install.packages（ “BiocManager”）
BiocManager :: install（“ggtree”，version =“3.8”）
browseVignettes（ “ggtree”）#打开帮助文档

读取数据

require(ape)
hc <- p1$tree_row
write.tree(as.phylo(hc),file = "mytree.nwk")

这样我们的桌面上就多了一个nwk的树文件。

将树文件导入R

用read.tree函数导入

require(ggtree)
inname <- "my_tree.nwk"
tree <- read.tree(inname)
ggtree(tree) + geom_tiplab()#这个文本没有打印完全，这个可以设置par全局画布的大小来改变，但是这里就不展开了，反正是栗子

到此，我们已经有了树以及树文件。接下来就是ggtree登场的时间了.

ggtree的树图美化

和大部分图形一样，分为两种

1. 全局美化
2. 细节美化

因为ggtree的功能实在是太强大了，另外因为作者是中国人，所以基本可以说，只要你敢想，没有做不到的，实在不行去知识星球找作者Y叔，答疑、提要求等等，很NICE。

帮助文档的学习

所以这里，我只是简单论述一下，我学习ggtree遇到的一些障碍和心得体会。所以只是从大概上说一说。如果各位有兴趣。大可以在谷歌😆 上搜索一下。或者从上文中寻找打开帮助文档的命令。

帮助文档：

https://bioconductor.org/packages/release/bioc/html/ggtree.html

全局美化

layout布局美化

首先最重要的当然是树图的layout了。

ggtree(tree,layout = "circular") 

其中ggtree设置了很多布局参数。如下图：

各位可以随心所欲的调整。😜

ggplot2的图形美化参数

ggtree(tree) + scale_x_reverse()#将x轴反过来
ggtree(tree) + coord_flip()#将x轴和y轴置换
ggtree(tree) + coord_polar(theta='y')#转换成极坐标，就是所谓的方图变圆图
ggtree(tree) + xlim(-10, NA)#坐标轴限制某一范围内

各位可以试一试以上参数，会有更加直观的了解。那么除此以外了，ggtree是非常高水平的继承了ggplot2的思想和语法以及有优点。这就是说如果你了解ggplot2就会非常了解ggtree。甚至利用ggplot2来美化ggtree。

比如

用theme主题参数和scale参数来修改坐标轴，名称，以及主题。甚至也能用facet参数来进行分面。

ggtree自带的geom图层美化

以下就是ggtree自带的图层（我删去了一部分，完整的看帮助文档），还是需要什么了解什么吧。

我个人比较感兴趣的

geom_cladelabel,geom_hilight,geom_tiplab,这些geom图层。所以主要还是讲这些。

显示树尺度（纯copy帮助文档）

要显示树比例，用户可以使用geom_treescale()图层。

ggtree(tree) + geom_treescale()

显示节点/提示（纯copy帮助文档）

显示所有树的内部节点和提示，😉可以通过使用添加点的层来完成geom_nodepoint，geom_tippoint或者geom_point。

ggtree(tree) + geom_point(aes(shape=isTip, color=isTip), size=3)

显示标签(纯copy帮助文档)

用户可以同时使用geom_text或geom_label显示节点（如果可用）和提示标签，或geom_tiplab仅显示提示标签：

p + geom_tiplab(size=3, color="purple")

细节美化

进化树的细节美化主要依靠的是节点（node）这个参数，这个参数也是我之前已知没有理解的点。后来才发现这个node其实就是进化树上的分枝点。

如下图：

这样我们知道了node值就可以知道我们修改那些进化树的分支。

获取NODE参数

所以在进行细节上的美化之前，我们一定要知道所需要美化的分枝所在的位置（node）。获得node方法：

1. 用以下命令绘制图形，看图形得知node

ggtree(tree) + geom_text2(aes(subset=!isTip, label=node), hjust=-.3) + geom_tiplab()

2. 用以下命令得知，所关注的node位置，毕竟样本太多的时候，眼睛是看不过来的。

MRCA(tree, tip=c('A', 'E'))#这里的A和E就是所关注的样本名称

3. 用viewClade查看分枝

viewClade(p+geom_tiplab(), node=21)

geom图层美化分枝

知道了我们需要美化的分枝的node值，就可以进行美化

tree <- groupClade(tree, .node=44)
ggtree(tree, aes(color=group, linetype=group))

我们也可规定多个节点

tree <- groupClade(tree, .node=c(44, 47))
ggtree(tree, aes(color=group, linetype=group)) + geom_tiplab(aes(subset=(group==2)))

groupOTU美化端点

刚刚是关于分枝点（node）的美化，其实也有参数是进行树图最末端的端点进行美化的。端点就比较好理解，就是我们的样本名称。

tree <- groupOTU(tree, .node=c("D", "E", "F", "G"))#DDFG是样本名称
ggtree(tree, aes(color=group)) + geom_tiplab()

高亮分枝

geom_hilight对关注的区域进行高亮显示，scaleClade对关注区域进行扩大或者缩小。

ggtree(tree) %>% scaleClade(44, scale=0.3) + geom_hilight(44, "steelblue")

其他参数

用rotate旋转树图，用flip函数翻转两个选定的分支。

到此，我也算完成对ggtree的初步了解。完结撒花。