ggplot2学术绘图：配色方案、主题、多图拼接

ggplot2 默认输出与学术期刊要求之间存在差距：灰色背景、默认配色、字体偏小、图例默认位置。本文覆盖从默认输出到发表级图表的关键调整：CNS 级别配色方案、ggpubr 统计标注、cowplot/patchwork 多图拼接、300dpi 矢量图导出。每一步都带可运行代码。

实测环境：Debian 13，R 4.3.2，ggplot2 3.5.0。

1. 数据准备——用真实表达矩阵演示#

1
library(tidyverse)
2
library(ggplot2)
3

4
# 模拟差异表达结果（5000个基因）
5
set.seed(42)
6
degs <- tibble(
7
    gene_id = paste0("ENSG", sprintf("%08d", 1:5000)),
8
    log2FC = rnorm(5000, mean = 0, sd = 1.2),
9
    pvalue = runif(5000, 0, 1),
10
    padj = p.adjust(pvalue, method = "BH"),
11
    baseMean = 10^rnorm(5000, mean = 3, sd = 1.5)
12
) %>%
13
    mutate(
14
        direction = case_when(
15
            log2FC > 1 & padj < 0.05 ~ "Up",
16
            log2FC < -1 & padj < 0.05 ~ "Down",
17
            TRUE ~ "NS"
18
        )
19
    )
20

21
# 统计
22
degs %>% count(direction)

2. 默认图 vs 学术图——差在哪里#

先看默认输出，记住它的样子：

1
# 默认版本（丑但能跑）
2
p_default <- ggplot(degs, aes(x = log2FC, y = -log10(padj), color = direction)) +
3
    geom_point()
4
ggsave("default.png", p_default, width = 8, height = 6, dpi = 72)

默认图的问题清单：

灰底灰网格——期刊一律要求白底
默认配色饱和度拉满——大红大蓝打印出来一团黑
字体太小——缩放到页面宽度后坐标轴标签看不清
图例标题 “direction” 没人知道什么意思
散点透明度不设——几十万个点糊在一起

下面一步一步修。

3. 配色——从默认到 CNS 级别#

3.1 配色原则#

学术配色的核心约束：打印友好 + 色盲友好 + 期刊限制。

大部分期刊（Nature、Cell、Science）接受彩色图但要额外收费，所以很多人投稿用灰阶兼容的配色。推荐两个方案：

方案	包	适用
viridis	`scale_color_viridis_d()`	连续/离散都行，色盲友好
ggsci	`scale_color_npg()` 等	模仿 CNS 期刊常用色板
RColorBrewer	`scale_color_brewer()`	经典学术色板

1
library(viridis)
2
library(ggsci)
3

4
# 方案A：viridis（色盲友好，连续型适合热图）
5
p_viridis <- ggplot(degs, aes(x = log2FC, y = -log10(padj), color = direction)) +
6
    geom_point(alpha = 0.4, size = 0.6) +
7
    scale_color_viridis_d(option = "D", end = 0.85)
8

9
# 方案B：ggsci 的 NPG 色板（Nature Publishing Group 风格）
10
p_npg <- ggplot(degs, aes(x = log2FC, y = -log10(padj), color = direction)) +
11
    geom_point(alpha = 0.4, size = 0.6) +
12
    scale_color_npg()
13

14
# 方案C：手动指定——最可控
15
p_custom <- ggplot(degs, aes(x = log2FC, y = -log10(padj), color = direction)) +
16
    geom_point(alpha = 0.4, size = 0.6) +
17
    scale_color_manual(
18
        values = c("Up" = "#E64B35", "Down" = "#4DBBD5", "NS" = "#BBBBBB"),
19
        labels = c("Up" = "Up-regulated", "Down" = "Down-regulated", "NS" = "Not significant"),
20
        name = ""  # 去掉图例标题
21
    )

Pro tip： 手动配色用十六进制，在 colorbrewer2.org 上挑。红-蓝对是生信火山图的事实标准。

3.2 连续型配色——表达量热图#

热图用连续渐变色。默认从暗蓝到亮蓝——审稿人看了想打人。

1
# 经典红-白-蓝（低表达白，高表达红）
2
ggplot(heatmap_data, aes(x = sample, y = gene, fill = expression)) +
3
    geom_tile() +
4
    scale_fill_gradient2(
5
        low = "#2166AC",    # 深蓝（低表达）
6
        mid = "#F7F7F7",    # 白色（中间值）
7
        high = "#B2182B",   # 深红（高表达）
8
        midpoint = 0,
9
        name = "Z-score"
10
    )

这里的核心是 midpoint 参数——如果数据不是对称的（比如只有上调没有下调），要把 midpoint 设成中位数而不是 0。

4. 主题——告别灰色背景#

1
# 主题选择链
2
p_base <- ggplot(degs, aes(x = log2FC, y = -log10(padj), color = direction)) +
3
    geom_point(alpha = 0.4, size = 0.6) +
4
    scale_color_manual(
5
        values = c("Up" = "#E64B35", "Down" = "#4DBBD5", "NS" = "#BBBBBB")
6
    )
7

8
# 方案A：theme_bw() + 微调（最常用）
9
p_bw <- p_base + theme_bw(base_size = 12) +
10
    theme(
11
        panel.grid.minor = element_blank(),   # 去掉次要网格
12
        panel.grid.major = element_line(linewidth = 0.3, color = "grey90"),
13
        legend.position = c(0.9, 0.85),        # 图例放右上角
14
        legend.background = element_rect(fill = "white", color = "grey80"),
15
        legend.key.size = unit(0.4, "cm")
16
    )
17

18
# 方案B：theme_minimal() + 边框（Nature 风格）
19
p_nature <- p_base + theme_minimal(base_size = 12) +
20
    theme(
21
        panel.border = element_rect(fill = NA, color = "black", linewidth = 0.8),
22
        panel.grid = element_blank(),
23
        axis.line = element_blank(),
24
        legend.position = "right"
25
    )
26

27
# 方案C：theme_classic()（最简单，像Excel图但干净）
28
p_classic <- p_base + theme_classic(base_size = 12) +
29
    theme(
30
        axis.line = element_line(color = "black", linewidth = 0.5),
31
        legend.position = "right"
32
    )

base_size 参数的秘密： 全图字体基于这个值缩放。设 12，最终导出的 PDF 放论文里刚刚好。缩到期刊半页宽度（约 80mm）时，base_size 设 10。

4.1 自定义主题——一次定义，终生复用#

1
# 定义你自己的学术主题
2
theme_academic <- function(base_size = 12) {
3
    theme_bw(base_size = base_size) %+replace%
4
    theme(
5
        panel.grid.minor = element_blank(),
6
        panel.grid.major = element_line(linewidth = 0.3, color = "grey92"),
7
        panel.border = element_rect(fill = NA, color = "black", linewidth = 0.8),
8
        strip.background = element_rect(fill = "grey95", color = "black"),
9
        strip.text = element_text(size = base_size - 1, face = "bold"),
10
        axis.text = element_text(color = "black"),
11
        axis.title = element_text(size = base_size),
12
        legend.position = "bottom",
13
        legend.key.size = unit(0.5, "cm"),
14
        plot.title = element_text(size = base_size + 2, face = "bold", hjust = 0.5),
15
        plot.subtitle = element_text(size = base_size, hjust = 0.5)
16
    )
17
}
18

19
# 使用
20
p_final <- p_base + theme_academic(base_size = 12)

5. 统计标注——ggpubr 一键加 p 值#

1
library(ggpubr)
2

3
# 箱线图 + 显著性标注
4
data(mtcars)
5
ggplot(mtcars, aes(x = factor(cyl), y = mpg, fill = factor(cyl))) +
6
    geom_boxplot(outlier.shape = NA, width = 0.6) +
7
    geom_jitter(width = 0.1, alpha = 0.5, size = 1.5) +
8
    stat_compare_means(
9
        comparisons = list(c("4", "6"), c("6", "8"), c("4", "8")),
10
        method = "t.test",
11
        label = "p.signif",      # 只显示显著性符号
12
        # label = "p.format",    # 显示精确 p 值
13
        step.increase = 0.08     # 星号往上挪
14
    ) +
15
    scale_fill_manual(values = c("#4DBBD5", "#E64B35", "#00A087")) +
16
    theme_academic(base_size = 12) +
17
    labs(x = "Cylinders", y = "Miles per Gallon", fill = "")

label = "p.signif" 显示的是符号（*, **, ***），label = "p.format" 显示精确数值。SCI 通常要求给精确 p 值而不是星号——除非在 Figure Legend 里定义了阈值。

p 值的精确格式：

$p = P(T \geq |t| \mid H_0)$

在实际标注时， $p < 2.2 \times 10^{-16}$ 是 R 的浮点精度极限——别写成 $p = 0$ ，那是错的。

6. 多图拼接——patchwork 无敌#

1
library(patchwork)
2

3
# 生成四个子图
4
p1 <- ggplot(degs, aes(x = log2FC, y = -log10(padj), color = direction)) +
5
    geom_point(alpha = 0.3, size = 0.5) +
6
    scale_color_manual(values = c("Up" = "#E64B35", "Down" = "#4DBBD5", "NS" = "#BBBBBB")) +
7
    theme_academic() +
8
    labs(title = "Volcano plot")
9

10
p2 <- ggplot(degs, aes(x = log2FC)) +
11
    geom_histogram(fill = "#4DBBD5", alpha = 0.7, bins = 60) +
12
    theme_academic() +
13
    labs(title = "log2FC distribution", x = "log2 Fold Change")
14

15
p3 <- ggplot(degs, aes(x = direction, fill = direction)) +
16
    geom_bar() +
17
    scale_fill_manual(values = c("Up" = "#E64B35", "Down" = "#4DBBD5", "NS" = "#BBBBBB")) +
18
    theme_academic() +
19
    labs(title = "DEG counts", x = "") +
20
    theme(legend.position = "none")
21

22
p4 <- ggplot(degs, aes(x = baseMean, y = log2FC)) +
23
    geom_point(alpha = 0.3, size = 0.5, color = "grey40") +
24
    scale_x_log10() +
25
    geom_hline(yintercept = c(-1, 1), linetype = "dashed", color = "red", alpha = 0.5) +
26
    theme_academic() +
27
    labs(title = "MA plot", x = "Mean expression (log10)")
28

29
# 拼接：上面两个下面两个（经典2×2）
30
combined <- (p1 | p2) / (p3 | p4) +
31
    plot_annotation(
32
        title = "RNA-seq Differential Expression Analysis",
33
        tag_levels = "A"  # 自动加 A/B/C/D 标签
34
    ) &
35
    theme(plot.tag = element_text(face = "bold", size = 14))
36

37
# 导出
38
ggsave("figure_panel.pdf", combined, width = 14, height = 10, device = cairo_pdf)

patchwork 的灵魂操作符：

|：水平拼接
/：垂直拼接
+ plot_annotation()：加总标题和子图标签
& theme(...)：所有子图统一应用主题
plot_layout(guides = "collect")：合并相同的图例

7. 导出——像素级控制#

1
# PDF（矢量，期刊首选）
2
ggsave("figure.pdf", p_final, width = 8, height = 6, device = cairo_pdf)
3

4
# TIFF（300dpi 位图，Cell/Nature 要求）
5
ggsave("figure.tiff", p_final, width = 8, height = 6, dpi = 300,
6
       device = "tiff", compression = "lzw")
7

8
# PNG（预览用）
9
ggsave("figure_preview.png", p_final, width = 8, height = 6, dpi = 150)
10

11
# SVG（矢量，适合进一步在 Illustrator 里编辑）
12
ggsave("figure.svg", p_final, width = 8, height = 6)

期刊宽度换算：

单栏：80-90mm ≈ 3.15-3.54 inch
双栏/整页：170-180mm ≈ 6.7-7.1 inch

1
# 适配单栏宽度
2
ggsave("figure_single_col.pdf", p_final, width = 3.5, height = 3, device = cairo_pdf)

8. 两个高级技巧#

8.1 火山图基因标签（ggrepel）#

1
library(ggrepel)
2

3
# 标记 top10 基因
4
top_genes <- degs %>%
5
    filter(padj < 0.05) %>%
6
    slice_max(order_by = abs(log2FC), n = 10)
7

8
ggplot(degs, aes(x = log2FC, y = -log10(padj), color = direction)) +
9
    geom_point(alpha = 0.4, size = 0.6) +
10
    geom_text_repel(
11
        data = top_genes,
12
        aes(label = gene_id),
13
        size = 3,
14
        max.overlaps = 15,
15
        box.padding = 0.5,
16
        force = 2
17
    ) +
18
    scale_color_manual(
19
        values = c("Up" = "#E64B35", "Down" = "#4DBBD5", "NS" = "#BBBBBB")
20
    ) +
21
    theme_academic()

1
# 按染色体分面展示（模拟数据）
2
degs_chr <- degs %>%
3
    mutate(chr = sample(paste0("chr", 1:22), nrow(degs), replace = TRUE)) %>%
4
    filter(chr %in% paste0("chr", 1:6))
5

6
ggplot(degs_chr, aes(x = baseMean, y = log2FC)) +
7
    geom_point(alpha = 0.3, size = 0.3, color = "grey40") +
8
    facet_wrap(~ chr, ncol = 3, scales = "free_x") +
9
    theme_academic(base_size = 9) +
10
    labs(x = "Mean expression", y = "log2 Fold Change")

9. 踩坑记录#

坑1：PDF 里中文字体全是方框#

症状：ggsave("figure.pdf") 打开，中文标题全变成 □□□。

解决： 用 cairo_pdf 设备，它能通过 fontconfig 找到系统中文字体。

1
ggsave("figure.pdf", p, device = cairo_pdf)
2

3
# 或者全局设置
4
options(bitmapType = "cairo")

如果还是不行，检查系统有无中文字体：

1
fc-list :lang=zh | head -5

没有就装：

1
sudo apt install fonts-noto-cjk -y

坑2：`ggsave` 尺寸用错了单位#

症状：ggsave("fig.png", p, width = 80, height = 60) 输出 80 英寸宽的图，几十 MB。

原因： width 和 height 单位是英寸（inch），不是毫米。。

换算公式： $\text{inch} = \frac{\text{mm}}{25.4}$

80mm ≈ 3.15 inches。别直接写 80。

坑3：`stat_compare_means` 报 `Can't compute p-value`#

1
# 报错示例
2
stat_compare_means(comparisons = list(c("A", "B")), method = "t.test")
3
# Error: not enough 'x' observations

原因：某个分组样本数太少（比如 n=1），t 检验需要至少 2 个样本。

检查：

1
table(metadata$group)
2

3
# 如果某组 n=1，用 Wilcoxon（非参数）或换可视化方式
4
stat_compare_means(method = "wilcox.test")

坑4：patchwork 拼接后图例重复出现#

症状：(p1 | p2) / (p3 | p4) 四个子图的图例各出现一次，占了 1/3 画面。

解决： 把所有图的 legend 统一收集：

1
combined <- (p1 | p2) / (p3 | p4) +
2
    plot_layout(guides = "collect") &
3
    theme(legend.position = "bottom")

plot_layout(guides = "collect") 会自动合并相同的图例。& theme(legend.position = "bottom") 把合并后的图例放到底部。

坑5：ggsave 后的图在当前设备上不显示#

症状：跑完 ggsave("x.pdf", p)，RStudio 的 Plots 面板空白。

原因： ggsave 默认关闭当前图形设备。不影响实际导出，但会让你以为代码没运行。

解决： 导出后重新打印一次图：

1
ggsave("x.pdf", p)  # 导出
2
print(p)            # 在当前设备中重新显示

或者用 ggsave(..., create.dir = TRUE) 至少保证目录存在。更好的习惯是——在脚本最后加一行 p_final 让图自动在 console 里重新渲染。

本文于 2025-07-22 在 Debian 13 + R 4.3.2 上实测。所有代码可直接复制运行。

1. 数据准备——用真实表达矩阵演示#

2. 默认图 vs 学术图——差在哪里#

3. 配色——从默认到 CNS 级别#

3.1 配色原则#

3.2 连续型配色——表达量热图#

4. 主题——告别灰色背景#

4.1 自定义主题——一次定义，终生复用#

5. 统计标注——ggpubr 一键加 p 值#

6. 多图拼接——patchwork 无敌#

7. 导出——像素级控制#

8. 两个高级技巧#

8.1 火山图基因标签（ggrepel）#

8.2 分面(facet)——一组图自动拆分#

9. 踩坑记录#

坑1：PDF 里中文字体全是方框#

坑2：`ggsave` 尺寸用错了单位#

坑3：`stat_compare_means` 报 `Can't compute p-value`#

坑4：patchwork 拼接后图例重复出现#

坑5：ggsave 后的图在当前设备上不显示#

文章分享

文章目录

ggplot2学术绘图：配色方案、主题、多图拼接

1. 数据准备——用真实表达矩阵演示#

2. 默认图 vs 学术图——差在哪里#

3. 配色——从默认到 CNS 级别#

3.1 配色原则#

3.2 连续型配色——表达量热图#

4. 主题——告别灰色背景#

4.1 自定义主题——一次定义，终生复用#

5. 统计标注——ggpubr 一键加 p 值#

6. 多图拼接——patchwork 无敌#

7. 导出——像素级控制#

8. 两个高级技巧#

8.1 火山图基因标签（ggrepel）#

8.2 分面(facet)——一组图自动拆分#

9. 踩坑记录#

坑1：PDF 里中文字体全是方框#

坑2：ggsave 尺寸用错了单位#

坑3：stat_compare_means 报 Can't compute p-value#

坑4：patchwork 拼接后图例重复出现#

坑5：ggsave 后的图在当前设备上不显示#

文章分享

文章目录

坑2：`ggsave` 尺寸用错了单位#

坑3：`stat_compare_means` 报 `Can't compute p-value`#