如何为R语言ggplot2基因表达折线图按分组填充背景色

问题背景 #

我有一份长格式（long format）的基因表达数据集data_long，最初共3列：第1列为基因名称，第2列为样本（Sample），第3列为表达值，数据格式示例如下：

Genes sample value
A44 A 7357.891
AAR A 6950.868
A44 B 6771.266
AAR B 4978.734
A44 C 9441.985
AAR C 6061.017

我需要绘制按基因分组的折线，同时绘制每个样本所有基因的均值折线，使用如下代码已实现对应效果：

ggplot(data_long, aes(x=sample, y=value)) +
  geom_line(aes(group=Genes), size=0.5, alpha=0.3, color="black") +
  stat_summary(aes(x=as.numeric(sample)), fun=mean, geom='line',size=1, color='orange') +
  theme_classic() + 
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)) + 
  scale_y_continuous(limits = c(0, 40000))

新增需求与问题 #

后续为数据集新增了Group列，标注每个样本所属的分组，新数据集格式示例如下：

Genes Group sample value
A44  A1 A 7357.891
AAR  A1 A 6950.868
A44 A1 B 6771.266
AAR A1 B 4978.734
A44 A2 C 9441.985
AAR A2 C 6061.017

尝试直接设置fill="Group"按分组填充背景时出现报错，需要实现按样本所属Group填充背景的效果，预期效果如下：

解决方案 #

报错原因是折线图层geom_line本身不支持fill填充属性，需要单独新增背景图层实现分组填充，完整代码如下：

library(ggplot2)
library(dplyr)

# 第一步：提取样本与分组的对应关系，避免重复数据
sample_anno <- data_long %>% 
  distinct(sample, Group) %>%
  # 把离散的样本名转成数值坐标，用于定位背景矩形
  mutate(x_num = as.numeric(factor(sample)))

# 第二步：绘图
ggplot(data_long, aes(x=sample, y=value)) +
  # 先加分组背景层，放在所有图层最下方
  geom_rect(data = sample_anno, 
            aes(xmin = x_num - 0.5, xmax = x_num + 0.5,
                ymin = -Inf, ymax = Inf, fill = Group),
            alpha = 0.2, inherit.aes = FALSE) +
  # 原有单基因折线
  geom_line(aes(group=Genes), size=0.5, alpha=0.3, color="black") +
  # 原有均值折线
  stat_summary(fun=mean, geom='line',size=1, color='orange') +
  theme_classic() + 
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)) + 
  scale_y_continuous(limits = c(0, 40000)) +
  # 可自定义分组的填充配色
  scale_fill_brewer(palette = "Set2")

关键说明 #

• geom_rect图层设置inherit.aes = FALSE是为了不继承全局的x、y映射，避免出现维度不匹配的报错
• 背景透明度设置alpha可根据显示效果调整，避免遮挡上层折线

内容的提问来源于stack exchange，提问作者Biofreek