做生信分析最烦的就是画图，尤其是那种审稿人非要你改的箱式图，看着就头大。这篇东西就是为了解决你在拿到差异分析结果后，不知道怎么快速、美观地画出符合发表要求的箱式图的问题，看完直接能上手。
说实话，我一开始也讨厌用R语言画图，总觉得代码那一堆字母看着就恶心，不如GraphPad Prism点鼠标来得快。但是后来发现，为了复现性，为了以后改图方便，还是得老老实实学点代码。特别是用GEO数据库下数据的时候，很多人第一步就卡住了，要么数据没清洗干净，要么根本不知道从哪下手。今天我就把我在实验室踩过的坑，还有那些真正好用的步骤掏心窝子分享出来，不整那些虚头巴脑的理论，直接上干货。
首先，你得有个好心情，别一上来就急着敲代码。先想想你要画什么，是看基因表达量的分布，还是看组间差异。这一步想清楚了，后面才能有的放矢。很多人画出来的图丑，不是技术不行，是思路不清，把一堆乱七八糟的数据堆在一起，神仙也救不了。
第一步，环境搭建和包的安装。别去搞那些复杂的虚拟环境，直接用RStudio就行。你需要安装limma和ggplot2这两个包。limma是用来做差异分析的，ggplot2是用来画图的。安装的时候可能会报错，别慌，多半是网络问题或者依赖包没装全。这时候别瞎改代码，去百度搜具体的报错信息，通常都能找到解决办法。记住，别为了装个包折腾半天，浪费的时间够你画十个图了。
第二步，数据读取和预处理。这一步最考验耐心。GEO的数据格式五花八门，有的平台是CEL文件，有的是表达矩阵。你得先搞清楚你下下来的是什么格式。如果是表达矩阵，直接read.csv读取就行。但这里有个大坑，很多数据的行列是反的，或者样本名和基因名搞混了。一定要检查数据维度，确保行是基因，列是样本。如果有缺失值，别直接删，用中位数填补或者KNN填补，具体看你的数据分布。我有一次因为没检查缺失值，画出来的图全是空白，气得我把电脑都砸了，幸好没砸坏。
第三步，差异分析。这一步用limma包，流程相对固定。先构建设计矩阵，然后拟合线性模型，最后做经验贝叶斯收缩。这里的关键是设计矩阵的构建，一定要符合你的实验设计。比如你是两组比较，还是多组比较，或者是配对样本。设计矩阵错了，后面全白搭。我见过太多人因为设计矩阵写错，导致差异基因筛选出来一堆垃圾，最后审稿人一问，哑口无言。
第四步，提取数据并绘图。这就是geo2r 箱式图制作的核心了。从差异分析结果里提取出你感兴趣的基因的表达量，然后用ggplot2画图。别用默认的配色，太丑了。选个柔和点的颜色，比如蓝灰搭配，或者红绿搭配，但要保证色盲友好。坐标轴标签要清晰，图例要简洁。我一般喜欢把p值和显著性标记加上去，这样看起来更专业。这里有个小技巧，用geom_boxplot函数画箱式图，再用geom_jitter加点，能更好地展示数据分布。别偷懒，多调调参数，直到满意为止。
第五步，导出和微调。画完图别急着交差，先用ggsave导出高分辨率的PDF或PNG文件。然后打开Illustrator或者Inkscape，微调一下字体大小、线条粗细。有时候代码画出来的图，在细节上还是差点意思，手动调一下能提升不少档次。这一步虽然繁琐，但为了发文章，值得。
总结一下，画图这事儿，心态比技术重要。别怕出错，多试几次就好了。geo2r 箱式图制作其实没那么难，关键是要细心，要懂数据。别指望有什么一键生成的神器，那都是骗小白的。老老实实走流程，一步步来，你也能画出让审稿人挑不出毛病的图。记住，生信分析的核心不是代码，而是你对数据的理解和解读。代码只是工具，别本末倒置。希望这篇东西能帮到你，要是还有问题，评论区见，我尽量回。
