如何解决有没有办法在 ape/phytools 中手动调整系统发育的颜色渐变边界?
我正在尝试使用 ape
和 phytools
可视化系统发育最小二乘回归的结果。具体来说,我一直在尝试创建一个用于预测目的的回归方程,我正在研究系统发育信号对残差的影响(以及方程的准确性)。我一直在使用类似于以下的代码来绘制结果(尽管这里针对虚拟数据进行了重新调整)。
library("ape")
library("phytools")
orig_tree<-rtree(n=20)
plot(orig_tree)
values<-data.frame("residuals"=runif(20,min=-1,max=1),row.names=orig_tree$tip.label)
values<-setNames(values$residuals,rownames(values))
residualsignalfit<-fastAnc(orig_tree,values,vars=TRUE,CI=TRUE)
obj<-contMap(orig_tree,plot=FALSE)
plot(obj,fsize=.25)
然而,问题在于我有几个物种相对于数据集的其余部分表现出极高的残差。因为颜色梯度的最小值和最大值被设置为实际列的最小值和最大值,这会消除 90% 数据集之间的所有对比度,以可视化少数极端异常值。与上面的 obj
相比,下面的代码重现了我的意思。
values2<-values
values2[6]<--2
values2[7]<-2
residualsignalfit2<-fastAnc(orig_tree,values2,CI=TRUE)
obj2<-contMap(orig_tree,plot=FALSE)
plot(obj2,fsize=.25)
这导致该图看起来好像系统发育信号比实际情况少得多,因为它会将除最极端的离群点之外的所有点着色为颜色相似。
我试图找出一种方法来设置颜色渐变的最小值和最大值,以便任何值≤ -1 是最大可能的红色值,任何值 ≥ 1 是可能的最大蓝色值,从而允许更大的对比度在剩余的残差中。我尝试使用命令
plot(obj2,fsize=.25,lims=c(-1,1))
但是正如您从这段代码中看到的那样,这没有任何作用。我知道 ggplot2
有一个选项可以根据用户输入的值重新调整颜色渐变,但我似乎无法弄清楚如何从 ape
或 phytools
绘制系统发育对象在 ggplot2 中。
鉴于此,有没有办法在ape/phytools中操纵颜色渐变模式,以便可以任意设置颜色渐变的最大和最小边界?
解决方法
您可以通过“挤压”某些任意边界(在我的示例中为 90% 分位数)之间的值来调整颜色渐变模式,以调整 phytools::contMap
中的颜色渐变:
## The vector of values with two outliers
values_outliers <- values
values_outliers[6] <- -10
values_outliers[7] <- 10
## The original heat plot object
contMap_with_outliers <- contMap(orig_tree,values_outliers,plot = FALSE)
plot(contMap_with_outliers,fsize = .25)
## Removing the outliers (setting them within to the 90% CI)
values_no_outliers <- values_outliers
## Find the 90% boundaries
boundaries <- quantile(values_no_outliers,probs = c(0.05,0.95))
## Changing the values below the lowest boundary
values_no_outliers <- ifelse(values_no_outliers < boundaries[1],boundaries[1],values_no_outliers)
## Changing the values above the highest boundary
values_no_outliers <- ifelse(values_no_outliers > boundaries[2],boundaries[2],values_no_outliers)
## The heat plot object without outliers
contMap_without_outliers <- contMap(orig_tree,values_no_outliers,plot = FALSE)
plot(contMap_without_outliers,fsize = .25)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。