ggplot2: 散布図にラベルを表示

散布図に表示された点（ドット）が、どのデータを示しているのか、ラベルを表示したい時があるかと思います。表示したいラベルが複数の時は、それらの重なりまで考慮すると配置が難しいこともあります。そのような時は、 ggrepel パッケージを使用すると便利です。

使い方は、 ggplot() + geom_point() にプラス(+) で続けて、 geom_text_repel() を指定するだけです。

ボルケーノプロットに遺伝子名を表示する

例として、前回作成したボルケーノプロット上に、変動した遺伝子の名前 (GeneID) を表示させてみましょう。ここでは、変動した遺伝子 (deg = differentially expressed genes) のうち、増加したものから10個、減少したものから10個を選んで用います。

前準備（上位の遺伝子のデータを取得）

前準備として、遺伝子名を表示したいデータを準備します。前回、変動した条件 (PValue, logFC) を満たす遺伝子をフィルタリングして取得しているので、それを用います。 top_n() 関数を使って、上位 10 個を取得できます。ボルケーノプロットでは、 p-value が「小さい」ほど、y軸の値は大きくなるので、マイナスをつけて、取得しています。（小さい方から10個）

top10_deg が増加したほうから10個、bottom10_deg が減少したほうから10個の遺伝子を取得したものです。これらを bind_rows() で連結して、 marker_deg とします。

top10_deg    <- up_deg   %>% top_n(10, -PValue)
bottom10_deg <- down_deg %>% top_n(10, -PValue)

marker_deg <- top10_deg %>% bind_rows(bottom10_deg)

marker_deg テーブルの中身は、下記のようになっています。

> marker_deg
# A tibble: 20 × 5
   GeneID      logFC logCPM   PValue      FDR
   <chr>       <dbl>  <dbl>    <dbl>    <dbl>
 1 MTND1P23     9.06   7.65 3.01e-51 8.39e-47
 2 CDH3         7.27   5.80 1.44e-31 1.34e-27
 3 CPNE7        7.21   4.76 9.51e-25 6.63e-21
 4 RP11-750B16  6.26   5.83 1.27e-24 7.08e-21
 5 ETV4         5.67   5.82 7.52e-24 3.50e-20
 6 CLDN2        8.57   6.92 2.16e-22 7.54e-19
 7 FABP6        6.83   3.42 7.92e-19 2.01e-15
 8 GRIN2D       5.33   4.53 1.01e-18 2.16e-15
 9 CLDN1        4.88   5.53 1.84e-18 3.20e-15
10 RHPN1        4.56   4.74 1.01e-16 1.12e-13
11 CD177       -9.98   8.26 1.74e-32 2.43e-28
12 MT2A        -4.63   7.07 7.08e-23 2.82e-19
13 SLC6A19     -8.82   5.15 3.64e-22 1.13e-18
14 BEST4       -7.08   5.66 3.12e-19 8.70e-16
15 MT1H        -7.22   4.55 9.67e-19 2.16e-15
16 HSD17B2     -4.50   6.36 1.71e-18 3.20e-15
17 OTOP2       -9.09   5.79 1.83e-18 3.20e-15
18 SFRP1       -8.16   5.24 4.52e-18 7.28e-15
19 RNF152      -4.98   5.12 4.70e-18 7.28e-15
20 EDN3        -4.86   5.18 6.30e-18 9.25e-15

geom_text_repel()関数でラベルを表示

前回のコードに追加する形で、geom_text_repel()を記述すると下記のようになります。geom_text_repel() のオプションの data に、前述の marker_deg を指定します。また、 label オプションにラベルに使用する文字列として、marker_deg$GeneID を指定します。max.overlaps のオプションは、ラベルの重なりを回避するためのものです。

g + geom_point(data = non_deg, color = "#969696") +
  geom_point(data  = up_deg,   color = "#FC9272") +
  geom_point(data  = down_deg, color = "#9ECAE1") +
  geom_text_repel(data  = marker_deg,
                  label = marker_deg$GeneID,
                  max.overlaps = Inf)

下記のように、遺伝子名のラベルを追加したボルケーノプロットが表示されます。

上位20個の遺伝子名を表示したボルケーノプロット

---