如果生物信息只學(xué)習(xí)一個R包，那一定是ggplot2。

如果ggplot2里只能選擇一種，那一定是ggtree。

在生物信息學(xué)領(lǐng)域，進(jìn)化樹是研究物種之間關(guān)系的重要工具，是我們分析工作中一定不能缺少的一環(huán)，而ggtree就是一款繪制tree的大大大神器。

這款由可視化大神余光創(chuàng)老師研發(fā)的R神器，可謂是生物信息研發(fā)人員人手一份。

然而可惜的是，ggtree目前是全代碼操作，對于命令行操作不熟悉的老師使用起來較為困難。為了方便大家的使用，特將筆者自己梳理的ggtree的使用記錄分享下~

一、ggtree的安裝（僅需一次）

安裝 ggtree前先確保您已經(jīng)安裝了 R 語言和 RStudio。接下來在 R 控制臺中輸入以下代碼以安裝 `ggtree` 及其相關(guān)依賴包：

install.packages("BiocManager")BiocManager::install("ggtree")# install.packages("treeio")

二、讀入文件

 library("ggtree") library("treeio") library("dplyr")# 讀入tree文件 tree<-read.newick(nwkfile,node.label="label") # 讀入列表文件（可用于后續(xù)分組、標(biāo)記顏色等） meta<-read.delim(info,header=TRUE)

這里再啰嗦兩句，說明一下這里讀入的nwk文件是啥？nwk也就是Newick格式，是一種最常用于表示進(jìn)化樹（系統(tǒng)發(fā)育樹）的文件格式。同時也是mega、fasttree等多種構(gòu)樹軟件的輸出文件格式。

nwk文件示例：

((A:0.1, B:0.2):0.3, C:0.4);

這就是一個簡單的Newick格式的樹，表示有一個四個節(jié)點的樹，其中A和B是子節(jié)點，C是另一個子節(jié)點，且各個分支具有特定的長度。

三、繪制tree（最關(guān)鍵的來了）

最簡單，最直接，但是不好看的tree

ggtree(tree)

為了美化，我們可以根據(jù)需要將其他相關(guān)數(shù)據(jù)（如物種分組信息）合并到樹數(shù)據(jù)框中。

# 讀入列表文件（可用于后續(xù)分組、標(biāo)記顏色等）meta<-read.delim(info,header=TRUE)tree_df <- fortify(tree)  # 合并tree和分組信息  tree_df <- tree_df %>%    left_join(meta, by = c("label" = "ID"))  # 繪制tree，并添加分組顏色p1 <- ggtree(tree_df,layout="roundrect",branch.length="none") +      geom_tippoint(aes(label = label, color = Group), size = 3) +      theme(legend.position = "right") p1 

這樣看，是不是順眼了很多？分組更為清晰明了一些啦。

具體解釋下ggtree示例中幾個小參數(shù)的具體含義：

geom_tippoint:用于在葉子節(jié)點（tip）上添加點，通常用于標(biāo)示具體的樣本或物種。可以通過size，color的具體設(shè)置來做節(jié)點的調(diào)整。

scale_color_manual: 用于自定義顏色的映射。當(dāng)你想要為不同的組或分類指定特定的顏色時很有用。

theme：用于自定義圖形的整體主題和樣式，比如字體、背景、網(wǎng)格線等。可以調(diào)整圖形的美觀性和可讀性。

annotate：用于在圖形上添加注釋，如文本、箭頭或標(biāo)記。這可以幫助解釋圖上的某些特征或數(shù)據(jù)。

layout 指定樹形狀的布局策略，比如樹的分支方向、葉節(jié)點的位置等。

除示例中的roundrect外，常用的另外兩種布局類型：

• "rectangular": 直角布局，默認(rèn)的基本布局，樹呈現(xiàn)為上下或左右結(jié)構(gòu)。

• "circular": 圓形布局，與徑向布局類似，但葉節(jié)點沿圓的周圍均勻分布。

四、結(jié)果保存

這里同ggplot的其他包，都是用ggsave命令完成結(jié)果的保存。一般建議保存為pdf格式，方便后續(xù)修改。

ggsave("tree_plot.pdf", plot = p1, width = 10, height = 6)

五、批量運行

說實話如果是單個tree的繪制和美化，我并不建議用ggtree，網(wǎng)頁版的iTol是更好的選擇（步步圖解iTol-給進(jìn)化樹做個美顏）

ggtree的優(yōu)點是更適于批量化本地運行。比如我們有一百個文件都需要做tree，我們可以如下操作

for (file in file_list) {  # 循環(huán)讀取樹文件    tree <- read.tree(file)  # 從文件名提取物種名  
# 創(chuàng)建樹數(shù)據(jù)框    tree_df <- fortify(tree)  
# 合并分組信息   tree_df <- tree_df %>%      left_join(meta, by = c("label" = "ID"))
# 繪制樹    p1 <- ggtree(tree_df, layout = "roundrect") +       geom_tree() +      geom_tippoint(aes(label = label, color = Group), size = 1) +      theme(legend.position = "none") +       annotate("text", x = max(tree$edge.length) * 0.5, y = -3,                label = file, size = 2, vjust = -1)  
# 保存每個圖    ggsave(paste0(species_name, ".pdf"), plot = p1, width =11, height = 5)  
# 將圖添加到列表中    plots[[length(plots) + 1]] <- p1  }  
# 使用cowplot將圖合并，每行顯示5個圖  combined_plot <- plot_grid(plotlist = plots, ncol = 5)  
# 保存合并后的圖形  ggsave("combined_tree_plot.pdf", plot = combined_plot)

此時，我們不僅得到了100個pdf格式的tree圖，還得到了一張整圖（涵蓋了所有結(jié)果）。這是iTol完全做不了的事情。

當(dāng)然，ggtree還有更多其他的優(yōu)點，比如，有更大的變化，支持各種變形。就像樂高一樣，ggtree其實沒有固定的套路，支持每個玩家自己的創(chuàng)造。

其官方教程如下：

https:///treedata-book/

最后再次感慨一下，學(xué)習(xí)真不是一件容易的事情。