BioF3 FigCode · SCI 绘图代码集

CNV-表达散点（CNV-Expression Scatter）

导出日期：2026年6月27日

分类：分布可视化｜ 依赖包：ggplot2、ggrepel

解决的生物学问题

哪些基因的拷贝数变化真的影响了表达？哪些是"沉默扩增"或"补偿性下调"？

应用场景

CNV-RNA dosage effect 验证
驱动基因筛选（CNV + 表达双高/双低）
iCluster 多组学整合质控
TCGA 多组学论文 Figure 3 经典图

输入数据格式

数据框：gene, chr, cnv_log2, expression_log2

关键参数

method = "lm" / "loess"（拟合方法）
color_by = "chromosome"
highlight 高亮特定基因

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/cnv-expression.R
curl -O https://<your-site>/figcode/data/cnv-expression.csv

3. 安装依赖

# CRAN 包
install.packages(c("ggplot2", "ggrepel"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

library(ggplot2)
library(ggrepel)

# --- Demo data ---
set.seed(42)
n <- 1500
df <- data.frame(
  gene = paste0("Gene", 1:n),
  chr  = sample(paste0("chr", c(1:22, "X")), n, replace = TRUE),
  cnv_log2 = rnorm(n, 0, 0.6),
  noise    = rnorm(n, 0, 1)
)
# Real dosage effect: expression follows CNV with noise
df$expr_log2 <- 0.7 * df$cnv_log2 + df$noise

# Highlight top |CNV × expr|
df$score <- df$cnv_log2 * df$expr_log2
top <- df[order(-abs(df$score)), ][1:15, ]

# --- Plot ---
ggplot(df, aes(cnv_log2, expr_log2)) +
  geom_point(aes(color = chr), alpha = 0.4, size = 0.9) +
  geom_smooth(method = "lm", color = "#0f172a", se = TRUE, size = 0.8) +
  geom_text_repel(data = top, aes(label = gene), size = 3,
                  max.overlaps = 15) +
  geom_vline(xintercept = c(-0.3, 0.3), linetype = "dashed", color = "grey60") +
  geom_hline(yintercept = 0, linetype = "dashed", color = "grey60") +
  scale_color_manual(values = rep(c("#dc2626","#2563eb","#059669","#d97706",
                                    "#7c3aed","#0891b2"), length.out = 23)) +
  labs(title = "CNV vs Expression (per gene)",
       x = "CNV log2 ratio", y = "Expression log2 (z-score)") +
  theme_classic() +
  theme(legend.position = "none")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：数据框：gene, chr, cnv_log2, expression_log2
使用 read.csv() / readRDS() 读取本地文件