如果生物信息只学习一个R包，那一定是ggplot2。

如果ggplot2里只能选择一种，那一定是ggtree。

在生物信息学领域，进化树是研究物种之间关系的重要工具，是我们分析工作中一定不能缺少的一环，而ggtree就是一款绘制tree的大大大神器。

这款由可视化大神余光创老师研发的R神器，可谓是生物信息研发人员人手一份。

然而可惜的是，ggtree目前是全代码操作，对于命令行操作不熟悉的老师使用起来较为困难。为了方便大家的使用，特将笔者自己梳理的ggtree的使用记录分享下~

一、ggtree的安装（仅需一次）

安装 ggtree前先确保您已经安装了 R 语言和 RStudio。接下来在 R 控制台中输入以下代码以安装 `ggtree` 及其相关依赖包：

install.packages("BiocManager")BiocManager::install("ggtree")# install.packages("treeio")

二、读入文件

 library("ggtree") library("treeio") library("dplyr")# 读入tree文件 tree<-read.newick(nwkfile,node.label="label") # 读入列表文件（可用于后续分组、标记颜色等） meta<-read.delim(info,header=TRUE)

这里再啰嗦两句，说明一下这里读入的nwk文件是啥？nwk也就是Newick格式，是一种最常用于表示进化树（系统发育树）的文件格式。同时也是mega、fasttree等多种构树软件的输出文件格式。

nwk文件示例：

((A:0.1, B:0.2):0.3, C:0.4);

这就是一个简单的Newick格式的树，表示有一个四个节点的树，其中A和B是子节点，C是另一个子节点，且各个分支具有特定的长度。

三、绘制tree（最关键的来了）

最简单，最直接，但是不好看的tree

ggtree(tree)

图片

为了美化，我们可以根据需要将其他相关数据（如物种分组信息）合并到树数据框中。

# 读入列表文件（可用于后续分组、标记颜色等）meta<-read.delim(info,header=TRUE)tree_df <- fortify(tree)  # 合并tree和分组信息  tree_df <- tree_df %>%    left_join(meta, by = c("label" = "ID"))  # 绘制tree，并添加分组颜色p1 <- ggtree(tree_df,layout="roundrect",branch.length="none") +      geom_tippoint(aes(label = label, color = Group), size = 3) +      theme(legend.position = "right") p1 

图片

这样看，是不是顺眼了很多？分组更为清晰明了一些啦。

具体解释下ggtree示例中几个小参数的具体含义：

geom_tippoint:用于在叶子节点（tip）上添加点，通常用于标示具体的样本或物种。可以通过size，color的具体设置来做节点的调整。

scale_color_manual: 用于自定义颜色的映射。当你想要为不同的组或分类指定特定的颜色时很有用。

theme：用于自定义图形的整体主题和样式，比如字体、背景、网格线等。可以调整图形的美观性和可读性。

annotate：用于在图形上添加注释，如文本、箭头或标记。这可以帮助解释图上的某些特征或数据。

layout 指定树形状的布局策略，比如树的分支方向、叶节点的位置等。

除示例中的roundrect外，常用的另外两种布局类型：

"rectangular": 直角布局，默认的基本布局，树呈现为上下或左右结构。

"circular": 圆形布局，与径向布局类似，但叶节点沿圆的周围均匀分布。

四、结果保存

这里同ggplot的其他包，都是用ggsave命令完成结果的保存。一般建议保存为pdf格式，方便后续修改。

ggsave("tree_plot.pdf", plot = p1, width = 10, height = 6)

五、批量运行

说实话如果是单个tree的绘制和美化，我并不建议用ggtree，网页版的iTol是更好的选择（步步图解iTol-给进化树做个美颜）

ggtree的优点是更适于批量化本地运行。比如我们有一百个文件都需要做tree，我们可以如下操作

for (file in file_list) {  # 循环读取树文件    tree <- read.tree(file)  # 从文件名提取物种名  # 创建树数据框    tree_df <- fortify(tree)  # 合并分组信息   tree_df <- tree_df %>%      left_join(meta, by = c("label" = "ID"))# 绘制树    p1 <- ggtree(tree_df, layout = "roundrect") +       geom_tree() +      geom_tippoint(aes(label = label, color = Group), size = 1) +      theme(legend.position = "none") +       annotate("text", x = max(tree$edge.length) * 0.5, y = -3,                label = file, size = 2, vjust = -1)  # 保存每个图    ggsave(paste0(species_name, ".pdf"), plot = p1, width =11, height = 5)  # 将图添加到列表中    plots[[length(plots) + 1]] <- p1  }  # 使用cowplot将图合并，每行显示5个图  combined_plot <- plot_grid(plotlist = plots, ncol = 5)  # 保存合并后的图形  ggsave("combined_tree_plot.pdf", plot = combined_plot)

此时，我们不仅得到了100个pdf格式的tree图，还得到了一张整图（涵盖了所有结果）。这是iTol完全做不了的事情。

当然，ggtree还有更多其他的优点，比如，有更大的变化，支持各种变形。就像乐高一样，ggtree其实没有固定的套路，支持每个玩家自己的创造。

其官方教程如下：

https://yulab-smu.top/treedata-book/

最后再次感慨一下，学习真不是一件容易的事情。

长按关注

风作伴，梦做马，追啊迎啊最热烈的年华

-年少的你啊

公众号名称：微微悦明

科学的乐趣是获得新知识的喜悦~

高通量测序、大数据病原微生物检测和监测健康大数据行业资讯记录与分享

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。