原始数据承接免疫浸润分析（1），下面展示免疫浸润结果：
#直接使用IOBR包内的cell_bar_plot
pic<-cell_bar_plot(input = quantiseq_immo_de[1:20,], title = "quanTiseq Cell Fraction")
#使用ggplot2
library(ggplot2)
library(magrittr)
data_gg<-pic$data
pic1<-data_gg %>%
ggplot(aes(ID,fraction))+
theme_void()+
geom_bar(stat = "identity",position = "stack",aes(fill=cell_type))+
scale_fill_manual(values = palette2,name=NULL)+
theme(axis.text.x = element_text(angle = 90),
axis.ticks.x = element_blank(),
axis.text.y= element_text(),
legend.position = "right"
) 
文章来源地址https://www.toymoban.com/news/detail-650576.html
#箱线图
library(forcats)
#fct_reorder(cell_type, fraction): 将cell_type变量重新排序，排序的顺序与fraction变量的值相关。这样可以根据fraction的大小对cell_type进行重新排序，将出现频率较高的cell_type放在前面
pic2 <- ggplot(data_gg,aes(fct_reorder(cell_type, fraction),fraction,fill = cell_type)) +
geom_boxplot() +
geom_jitter(width = 0.3,aes(color=cell_type))+
theme_bw() +
labs(x = "Cell Type", y = "Estimated Proportion by quanTIseq") +
theme(axis.text.x = element_text(angle = 90,hjust=1),
axis.ticks.x = element_blank(),
legend.position = "right") +
scale_fill_manual(values = palette1)
#热图
library(pheatmap)
heatdata<-quantiseq_immo_de[,-1]
rownames(heatdata)<-quantiseq_immo_de$ID
args(heatmap)
pheatmap(heatdata[1:20,])
文章来源：https://www.toymoban.com/news/detail-650576.html
到了这里，关于R语言实现免疫浸润分析（2）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
