这个论文配色神器有点逆天，来自《Nature》的灵感

就在去年年初，一部《法医秦明》吸引了大江南北无数吾等科研狗前来围观，我的师姐更是直呼刷秦明更下饭，创（sang）意（xin）十（bing）足（kuang）地解锁了剥小龙虾的新姿势。

实验室的师姐师妹们全被张若昀和李现逆天的颜值勾去了魂，留下的研究僧依旧是研究僧，既然选择了科研，就要走下去。让我们看看法医于眼下超级热门的生信又有什么逆天操作，毕竟……

做人呢，最重要的是开心嘛

2018 年 2 月 14 日，一支主要由来自波尔图大学分子病理与免疫学研究所及巴塞罗那科学与技术研究所的研究小组发现死亡引起的不同组织的基因表达变化可用于估计死者的死亡时间。该研究由 Pedro G. Ferreira 等人领导，近日发表在《自然 - 通讯》上，或为法医鉴定方法带来突破性的进展。

这篇文章的问（ling）题（gan）来源于「基因以相对较短的死亡后时间间隔以组织特异性的方式改变表达，但是在生物学分析中，这种潜在的混淆效应可以通过考虑适当的共变量而使之降低」。这样一个并不算新鲜的课题，并且本次研究没有进行过多的实验，但是放眼望去，文章中的图表还真是让人羡煞，其华丽丽的配色在赢得编辑的芳心有着举足轻重的作用。

既然如此重要，就让我们一起来探讨下其成功的方法吧。

取自文献插图

文章中图表大多是大家所熟悉的，柱状图散点图不必说，箱形图想必大家也并不陌生，它能够直观清晰的展示出一组数据的分布趋势。它将一组数据从大到小排列，分别计算出他的上边缘，上四分位数，中位数，下四分位数，下边缘，以及异常值。这篇文献利用此来表示样本组织特征。

然而，原始配色的图表是没有灵性的（如下图）。这普通的箱形图和条形图、散点图配上 R 语言 ggplot2 华丽丽的配色让整幅图增亮不少，还记得我们之前的论文什么样么，对比起来简直像车祸现场（手动微笑）。

SPSS 做出来的箱形图（图片来源于网络）

那么，如何用华丽丽的配色包绘制高大上的图表呢？下面小编就手把手教大家为图表配色。

我们以散点图为例：

1. 打开 RStudio, 用 setwd() 命令设置工作目录

2 > library(gcookbook) #以内部数据集为例，导入数据集

> library(ggplot2) #导入配色包

3 > p <- ggplot(heightweight,aes(x=ageYear,y=heightIn,colour=weightLb)) + geom_point(size=3) #绘制散点图，设置点的颜色，大小等

> p #让我们看看华丽丽的散点图，就算不加修饰也要也要比 Excel 强好多。

至此我们绘制了基本图形，下面我们为它做些小小的修饰。

> p + scale_color_gradient(low = "black",high = "weite") #使用两种颜色的渐变色

> library(scales)

> p + scale_color_gradient2(low = muted("red"),mid = "white",high =muted("blue"),midpoint=110) #渐变色用白色划分

> p + scale_color_gradientn(colours = c("darkred","orange","yellow","white")) #设置 n 个颜色渐变色划分

什么？？还是觉得看起来没有摆脱 Excel 的低级趣味。那我们再给他加点料。

> p + stat_density2d() #添加密度曲线

如果数据合适的话还会更明显，如此还没完喔。

> p + stat_density2d(aes(fill=..density..),geom="raster",contour =F,h=c(.5,5)) #最后给我们华丽丽的密度线整理一下拟合度。

至此我们可以把 Excel 的绘图方式扔到一边了。