如何绘制按log2FC排序的基因表达分布箱线图（R语言）

1. 先把数据转成长格式 #

如果你的数据是宽格式（每列对应一个基因，行是样本，还有分组列），必须转成长格式才能让ggplot画出并排箱线，用tidyr::pivot_longer()就行：

library(tidyverse)

# 假设你的数据框叫df，包含分组列group（值为"Patient"/"Control"）和20个基因列
df_long <- df %>%
  pivot_longer(cols = -group, names_to = "Gene", values_to = "Expression")

2. 给基因按log2FC排好顺序 #

先准备好每个基因的log2FC数据（比如单独的小数据框），然后把Gene列转成有序因子，强制按log2FC排序：

# 假设你有个gene_log2fc数据框，包含Gene和log2FC两列
gene_order <- gene_log2fc %>%
  arrange(log2FC) %>%  # 从小到大排，下调基因在前，上调在后
  pull(Gene)

# 把基因列转成因子，指定顺序
df_long$Gene <- factor(df_long$Gene, levels = gene_order)

3. 绘制并排箱线图（去掉分面） #

直接用ggplot画，别加facet_wrap或facet_grid，用position_dodge让同一基因下的两个箱线并排：

ggplot(df_long, aes(x = Gene, y = Expression, fill = group)) +
  geom_boxplot(position = position_dodge(width = 0.8)) +  # 控制并排间距
  labs(title = "基因表达分布：患者vs对照",
       x = "基因", y = "表达量", fill = "样本分组") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # 旋转x轴标签防重叠

关键修正点 #

• 删掉原代码里的facet_wrap(~Gene)这类分面语句，这是之前出分面图的核心原因
• 必须把基因列转成有序因子，不然ggplot会默认按字母排序
• 用position_dodge确保同一基因的两个箱线并排显示，而不是重叠

完整示例代码（带模拟数据） #

library(tidyverse)

# 模拟测试数据
set.seed(123)
# 4个患者、4个对照
group <- rep(c("Patient", "Control"), each = 4)
# 生成20个基因的表达量，前10个下调（log2FC负），后10个上调（log2FC正）
gene_names <- paste0("Gene", 1:20)
log2fc <- c(runif(10, -3, -0.5), runif(10, 0.5, 3))
gene_expr <- map_dfc(gene_names, ~rnorm(8, mean = log2fc[which(gene_names == .x)], sd = 0.5))
colnames(gene_expr) <- gene_names

# 合并成原始宽格式数据框
df <- bind_cols(tibble(group), gene_expr)
# 基因log2FC对应表
gene_log2fc <- tibble(Gene = gene_names, log2FC = log2fc)

# 宽转长
df_long <- df %>%
  pivot_longer(cols = -group, names_to = "Gene", values_to = "Expression")

# 按log2FC排序基因
gene_order <- gene_log2fc %>%
  arrange(log2FC) %>%
  pull(Gene)
df_long$Gene <- factor(df_long$Gene, levels = gene_order)

# 绘图
ggplot(df_long, aes(x = Gene, y = Expression, fill = group)) +
  geom_boxplot(position = position_dodge(0.8), width = 0.7) +
  scale_fill_manual(values = c("Patient" = "#e74c3c", "Control" = "#3498db")) +
  labs(title = "患者与对照样本的基因表达",
       x = "基因", y = "标准化表达量", fill = "样本类型") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, size = 9),
        plot.title = element_text(hjust = 0.5, size = 12))

内容的提问来源于stack exchange，提问作者Lina