BioF3 FigCode · SCI 绘图代码集

Top 基因（Top Gene Counts）

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

哪些基因占据了最多的测序资源？是否存在单个基因主导文库的情况？

应用场景

检测 rRNA 或线粒体基因污染
识别高表达管家基因
评估文库复杂度
判断是否需要过滤特定基因

输入数据格式

DESeqDataSet 或归一化计数矩阵

关键参数

ntop 展示基因数（10-20）
normalized 是否使用归一化值
intgroup 分组变量
transform 是否 log 变换
geom 展示方式（bar / point）

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/top-genes-count.R
curl -O https://<your-site>/figcode/data/top-genes-count.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)
genes <- c("ACTB", "GAPDH", "MT-CO1", "MT-ND4", "EEF1A1", "RPL13",
           "RPS27A", "MALAT1", "FTL", "B2M", "TMSB4X", "TPT1",
           "MT-CO3", "MT-CYB", "RPS4X")
counts_df <- data.frame(
  gene = rep(genes, each = 8),
  sample = rep(paste0("S", 1:8), times = 15),
  counts = rpois(120, lambda = rep(seq(50000, 5000, length.out = 15), each = 8))
)

# --- Plot ---
ggplot(counts_df, aes(x = reorder(gene, counts, FUN = median), y = counts / 1000)) +
  geom_boxplot(fill = "#e0f2fe", color = "#0369a1", outlier.size = 0.5) +
  coord_flip() +
  labs(x = NULL, y = "Normalized counts (x1000)", title = "Top Expressed Genes") +
  theme_classic()

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：DESeqDataSet 或归一化计数矩阵
使用 read.csv() / readRDS() 读取本地文件