BioF3 FigCode · SCI 绘图代码集

时序轨迹图（Time Trajectory）

导出日期：2026年6月27日

分类：分布可视化｜ 依赖包：ggplot2

解决的生物学问题

基因表达随时间如何变化？哪些基因呈现相似的时序表达模式？

应用场景

时间序列 RNA-seq 表达趋势
药物处理后基因响应动态
发育过程基因表达变化
多时间点差异基因轨迹

输入数据格式

数据框：gene, time_point, expression（长格式）

关键参数

time 时间变量
group 基因分组/聚类
geom 展示方式（line + point）
facet 是否按模块分面
smooth 是否添加趋势线（loess）

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/time-trajectory.R
curl -O https://<your-site>/figcode/data/time-trajectory.csv

3. 安装依赖

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

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

完整代码

library(ggplot2)

# --- Demo data ---
set.seed(42)
time_points <- c(0, 2, 6, 12, 24, 48)
genes <- paste0("Gene", 1:20)
clusters <- rep(c("Early response", "Late response", "Transient", "Stable"), each = 5)

traj_df <- expand.grid(gene = genes, time = time_points)
traj_df$cluster <- rep(clusters, each = length(time_points))

# Different patterns per cluster
traj_df$expression <- with(traj_df, ifelse(
  cluster == "Early response", 2 * exp(-time/10) + rnorm(nrow(traj_df), 0, 0.3),
  ifelse(cluster == "Late response", 2 * (1 - exp(-time/20)) + rnorm(nrow(traj_df), 0, 0.3),
  ifelse(cluster == "Transient", 2 * dnorm(time, 12, 8) * 20 + rnorm(nrow(traj_df), 0, 0.3),
  rnorm(nrow(traj_df), 1, 0.3)))))

# --- Plot ---
ggplot(traj_df, aes(x = time, y = expression, group = gene, color = cluster)) +
  geom_line(alpha = 0.4) +
  geom_point(size = 1) +
  stat_summary(aes(group = cluster), fun = mean, geom = "line", linewidth = 1.5) +
  facet_wrap(~ cluster) +
  labs(x = "Time (hours)", y = "Scaled Expression", title = "Gene Expression Trajectories") +
  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, time_point, expression（长格式）
使用 read.csv() / readRDS() 读取本地文件