The dietary sweetener sucralose is a negative modulator of Tcell-mediated responses

One figure, one story
Author

Songqi Duan

Published

November 4, 2024

library(tidyverse)
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.5.1     ✔ tibble    3.2.1
✔ lubridate 1.9.3     ✔ tidyr     1.3.1
✔ purrr     1.0.2     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
adata <- readxl::read_excel(path = "data/41586_2023_5801_MOESM4_ESM.xlsx", sheet = 2, skip = 1)
adata <- adata |>
  pivot_longer(-`Sucralose (uM)`) |>
  rename(dose = name, conc = value) |>
  mutate(
    group = if_else(dose == 0, "Water", "Scrl") |> fct_relevel("Water", "Scrl"),
    dose = as.character(dose)
  ) |>
  select(dose, group, conc)
set.seed(seed = 24)
ggsave(filename = "./data/barplot.pdf", plot = p, height = 2,width = 2)
Warning in grid.Call.graphics(C_text, as.graphicsAnnot(x$label), x$x, x$y, :
conversion failure on 'Scrl (μM)' in 'mbcsToSbcs': for μ (U+03BC)
set.seed(seed = 24)
p <- adata |>
  ggplot(mapping = aes(x = dose, y = conc)) +
  stat_summary(
    geom = "errorbar",
    fun.data = mean_se,
    width = 0.3,
    color = "#6083be"
  ) +
  stat_summary(
    geom = "bar",
    fun.data = mean_se,
    width = 0.5,
    fill = "#6083be"
  ) +
  geom_jitter(
    mapping = aes(color = group, fill = group),
    size = 3,
    shape = 21,
    width = 0.2
  ) +
  labs(
    x = bquote(Scrl ~ (mg ~ ml^-1)),
    y = "Scrl (μM)",
    title = "Plasma"
  ) +
  scale_color_manual(values = c(Water = "#a8a8a8", Scrl = "#6083be")) +
  scale_fill_manual(values = c(Water = "#ebebeb", Scrl = "#b8d9ea")) +
  scale_y_continuous(expand = c(0, 0), limits = c(0, 2.5)) +
  coord_cartesian(clip = "off") +
  catplot::theme_cat(
    font_family = NULL,
    aspect_ratio = 0.7,
    x_text_angle = 45,
    show_legend_title = FALSE,
    legend_position_inside = c(0.25, 0.87)
  )
p
1
设置随机数种子，以确保图中散点位置（如使用抖动）每次运行时保持一致
2
创建 ggplot 对象，使用数据集 adata，映射 x 轴为 dose，y 轴为 conc
Figure 1: Circulating Scrl levels in mice given water containing different Scrl concentrations for 2 weeks. n = 4 individual mice per condition.

这段代码是在使用 R 语言中的 ggplot2 包来绘制一个图形。看起来很复杂，但我会逐步解释各部分的作用，让你更容易理解。

1. 设置随机数种子

set.seed(seed = 24)
  • set.seed()：这是用来设置随机数种子的函数。它确保代码中产生的随机数是可重复的。比如你每次运行代码得到的图形中，散点的分布是相同的。
  • seed = 24：这个数字可以是任何值，它相当于随机数生成的“钥匙”，这样别人使用同样的种子运行代码时，结果是一样的。

2. 创建 ggplot 图形对象

p <- adata |>
  ggplot(mapping = aes(x = dose, y = conc))
  • adata：这是你的数据集。这个数据集包含了 dose 和 conc 这两列。
  • ggplot(mapping = aes(x = dose, y = conc))：这是创建一个图形对象，并指定 x 轴和 y 轴的变量。dose 作为横坐标，conc 作为纵坐标。

3. 添加误差条

stat_summary(geom = "errorbar", fun.data = mean_se, width = 0.3, color = "#6083be")
  • stat_summary()：用于在图形上添加统计摘要。
  • geom = "errorbar"：表示要绘制误差条，展示不同数据组之间的误差范围。
  • fun.data = mean_se：表示使用均值和标准误差来计算误差条。
  • color = "#6083be"：设置误差条的颜色为蓝色。

4. 添加柱形图

stat_summary(geom = "bar", fun.data = mean_se, width = 0.5, fill = "#6083be")
  • geom = "bar"：绘制柱形图。
  • fill = "#6083be"：给柱形图填充颜色，同样是蓝色。

5. 添加散点

geom_jitter(mapping = aes(color = group, fill = group), size = 4, shape = 21, width = 0.2)
  • geom_jitter()：用于在图中添加散点，并且散点会在 x 轴方向上随机偏移，使得点不重叠，方便观察。
  • mapping = aes(color = group, fill = group)：使用 group 变量为散点设置颜色和填充色。
  • size = 4：设置散点的大小。
  • shape = 21：设置点的形状为实心圆，带边框。
  • width = 0.2：表示散点在 x 方向上有一定的抖动，避免数据点完全重叠。

6. 添加标题和轴标签

labs(x = bquote(Scrl~(mg~ml^-1)), y = "Scrl (μM)", title = "Plasma")
  • labs()：用于给图形添加标题和轴标签。
  • x = bquote(Scrl~(mg~ml^-1))：设置 x 轴标签为 “Scrl (mg/ml)”，bquote() 可以帮助进行数学符号的格式化。
  • y = "Scrl (μM)"：设置 y 轴标签为 “Scrl (μM)”。
  • title = "Plasma"：给图形添加标题，设置为 “Plasma”。

7. 设置 y 轴范围和其他坐标系统

scale_y_continuous(expand = c(0,0), limits = c(0,2.5))
  • scale_y_continuous()：设置 y 轴的范围。
  • expand = c(0,0)：去除 y 轴的空隙，使图形从 0 开始。
  • limits = c(0, 2.5)：设置 y 轴范围从 0 到 2.5。
coord_cartesian(clip = "off")
  • coord_cartesian(clip = "off")：用于设置图形范围，并且使得超出坐标范围的部分不被裁剪。

8. 设置 x 轴标签角度

guides(x = guide_axis(angle = 45))
  • guides(x = guide_axis(angle = 45))：将 x 轴标签旋转 45 度，避免重叠，更加易读。

9. 设置主题

catplot::theme_cat(frame = "open", aspect_ratio = 0.8)
  • catplot::theme_cat()：使用 catplot 包中的 theme_cat() 来设置图形的主题风格。
  • frame = "open"：去掉图形框架。
  • aspect_ratio = 0.8：设置宽高比例为 0.8，调整图形的形状。

10. 自定义颜色

scale_fill_manual(values = c(Water = "#ebebeb", Scrl = "#b8d9ea"))
scale_color_manual(values = c(Water = "#a8a8a8", Scrl = "#6083be"))
  • scale_fill_manual()：手动设置填充颜色。
    • Water：灰色 (#ebebeb)。
    • Scrl：浅蓝色 (#b8d9ea)。
  • scale_color_manual()：手动设置散点的边框颜色。
    • Water：深灰色 (#a8a8a8)。
    • Scrl：深蓝色 (#6083be)。

11. 设置图例

theme(legend.title = element_blank(), legend.position = "inside", legend.position.inside = c(0.3, 0.87))
  • theme()：用于进一步定制图形的主题。
  • legend.title = element_blank()：去掉图例的标题。
  • legend.position = "inside"：把图例放置在图形的内部。
  • legend.position.inside = c(0.3, 0.87)：图例的位置被放在 x = 0.3，y = 0.87 的位置，即图形的左上方。

12. 最后绘制图形

p
  • 输出图形对象 p，以显示图形。

总结

这段代码从头到尾用 ggplot2 绘制了一个柱形图，同时加上了误差条和散点，使得数据更加丰富地呈现出来。此外，代码还设置了轴标签、图例、主题风格和各种美化细节，目的是让图形在传达数据信息的同时，也具有较好的视觉效果。

可以简洁地表述为：

  1. 柱状图（Bar Chart）：显示各组的平均值或中位数，用于组间对比。
  2. 误差棒（Error Bars）：表示数据的变异性，如标准误或标准差，反映结果的可靠性。
  3. 组内数据点（Within-group Data Points）：各组样本的散点，展示组内数据分布和样本数。

features:

catplot包的theme_cat()函数可以设置主题风格为论文发表级风格，包括线宽为0.5 pt，字号为8 pt。