作者简介
刘永鑫，博士。2008年和2011年毕业东北农业大学微生物学和作物遗传育种专业。2014年在中科院遗传发育所获生物信息学博士学位，2016年博士后出站留所工作，任宏基因组学实验室工程师，目前主要研究方向为宏基因组学数据分析方法、培养组学方法优化。2017年7月创办“宏基因组”公众号，目前关注人数1.5万，累计阅读超百万。
往期回顾
CanvasXpress包简介
感谢“宏基因组”群友李海敏推荐CanvasXpress包。
CanvasXpress核心是一个JavaScript语言编写的库，主要用于可重复研究。
在R中可以安装canvasXpress包，使用canvasXpress命令绘制各种各样的交互式图形，非常高效方便，实现如下数百种图形，令你的结果瞬间B格爆满。
更多介绍和实例，访问官网：https://canvasxpress.org/html/index.html
源代码、安装及使用示例详见 Github: https://github.com/neuhausi/canvasXpress
canvasXpress安装及加载
安装包位于github上，需要devtools工具安装
# 没有devtools也需要安装
install.packages(devtools)
library(devtools)
# 安装canvasXpress
devtools::install_github('neuhausi/canvasXpress')
library(canvasXpress)绘图实战
1. 三维散点图
# 读数据文件
y <- read.table("http://www.canvasxpress.org/data/cX-irist-dat.txt", header=TRUE, sep="\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 读取分组信息
z <- read.table("http://www.canvasxpress.org/data/cX-irist-var.txt", header=TRUE, sep= "\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 绘制三维散点图，主要参数为数据、分组、分组列、置信椭圆列、图表类型以及相关标签
canvasXpress(data = y,
varAnnot = z,
colorBy = "Species",
ellipseBy = "Species",
graphType = "Scatter3D",
title = "Iris Data Set",
xAxis = list("Sepal.Length"),
yAxis = list("Petal.Width"),
zAxis = list("Petal.Length"))
看到按分组绘制了三维散点图，而且添加了分组颜色和椭球形置信区间，我们可以鼠标托动变换角度，也可点选查看点的坐标
2. 矩阵散点图
# 读取数据表
y <- read.table("http://www.canvasxpress.org/data/cX-irist-dat.txt", header=TRUE, sep="\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 分组信息
z <- read.table("http://www.canvasxpress.org/data/cX-irist-var.txt", header=TRUE, sep= "\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 绘制矩阵散点图
canvasXpress(data = y,
varAnnot = z,
graphType = "Scatter2D",
scatterPlotMatrix = TRUE,
colorBy = "Species",
showTransition = TRUE)
二维矩阵散点图展示多条件或因子数据的相关性，点选显示坐标数据
3. 箱线图
# 数据文件
y <- read.table("http://www.canvasxpress.org/data/cX-iris-dat.txt", header=TRUE, sep="\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 分组信息
x <- read.table("http://www.canvasxpress.org/data/cX-iris-smp.txt", header=TRUE, sep= "\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 绘制箱线图，按物种分大类，再按变量类型分小类
canvasXpress(data = y,
smpAnnot = x,
graphType = "Boxplot",
graphOrientation = "vertical",
title = "Iris flower data set",
smpTitle = "Species",
smpLabelFontStyle = "italic",
smpLabelRotate = 90,
xAxis2Show = FALSE,
afterRender = list(list("groupSamples", list("Species"))))
箱线图比较组间整体数据分布，组内不同因子间比较
4. 多维热图
# 热图数据文件
y <- read.table("http://www.canvasxpress.org/data/cX-multidimensionalheatmap-dat.txt", header=TRUE, sep="\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 另一个数据矩阵文件
y2 <- read.table("http://www.canvasxpress.org/data/cX-multidimensionalheatmap-dat2.txt", header=TRUE, sep="\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 第三个数据属性矩阵，非连续型
y3 <- read.table("http://www.canvasxpress.org/data/cX-multidimensionalheatmap-dat3.txt", header=TRUE, sep="\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 第四个数据属性矩阵，非连续型
y4 <- read.table("http://www.canvasxpress.org/data/cX-multidimensionalheatmap-dat4.txt", header=TRUE, sep="\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 样品列表
x <- read.table("http://www.canvasxpress.org/data/cX-multidimensionalheatmap-smp.txt", header=TRUE, sep= "\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 变量列表
z <- read.table("http://www.canvasxpress.org/data/cX-multidimensionalheatmap-var.txt", header=TRUE, sep= "\t",
quote="", row.names=1, fill=TRUE, check.names=FALSE, stringsAsFactors=FALSE)
# 四维热图绘制：y为热图主体，y2为边框颜色，y3为形状，y4为大小
canvasXpress(data = list(y = y, data2 = y2, data3 = y3, data4 = y4),
smpAnnot = x,
varAnnot = z,
graphType = "Heatmap",
guides = TRUE,
outlineBy = "Outline",
outlineByData = "data2",
shapeBy = "Shape",
shapeByData = "data3",
sizeBy = "Size",
sizeByData = "data4")
四个矩阵绘制的热图，分别代表图中颜色、边框颜色、形状和大小，鼠标悬停显示属性值
5. 韦恩图
canvasXpress(vennData = data.frame(AC=456, A=340, ABC=552, ABCD=148, BC=915, ACD=298, BCD=613,
B=562, CD=143, ABD=578, C=620, D=592, AB=639, BD=354, AD=257),
graphType = "Venn",
vennLegend = list(A="List 1", D="List 4", C="List 3", B="List 2"),
vennGroups = 4)
四组比较韦恩图，需要已知15种情况下的信息。鼠标划过显示信息，双击还可显示固定信息窗口，窗口也可以托动
交互图表导出和交互
以第一个三维散图点图为例：
导出网页格式图片
导入网页：选择Export中的Save as web page，弹窗中输入或选择文件名，如果询问是否覆盖，点yes即可；结束后会显示是否网页显示，选择Try again即网页中打开显示(windows中可能没有)。
我们发现右上角存在一组工具箱，它存在非常多的交互功能。
右上角工具箱有4个按扭，分别为保存图片、移动、探索数据和全屏。其中探索数据中在复杂的操作面板，可以按组、样品选择、查找等操作，功能强大，用户可以自行尝试挖掘更多功能。
更多实例和资源
vignette查看更多示例
# 显示该包中所有示例，目前有开始和额外两类
vignette(package = "canvasXpress")
# 分别展示每个示例# 初级入门教程，也是上面提到的例子
vignette("getting_started", package = "canvasXpress")
# 额外示例，包括数据分析过程
vignette("additional_examples", package = "canvasXpress")
本文中就是讲的此软件官方教程，主要贡献是翻译和讲解。
Shiny小程序
更强大的交互实例，使用cxShinyExample查看
# 展示所有Shiny示例
cxShinyExample()
# 运行其中一个
cxShinyExample(example = "example1")
把数据编写成shiny小程序，可以网页中进入坐标轴选择组合展示数据，图中可用滚轮缩放图片区域。
更多学习资源和最新的软件教程，详见其官网：http://www.canvasxpress.org
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”
