数据分析后，结果的可视化非常重要，比如GWAS分析后，将显著性位点进行可视化，AT的突变，共有AA、AT、TT三种基因型，比如对应的是体重，那么这三种基因型都有对应的体重，为了形象的展示出那种基因型更高，以及他们之间的显著性，做一个箱线图+显著性检验，无疑是最好的。
1，模拟数据：
library(tidyverse)library(ggpubr)set.seed(123)y1 = rnorm(10) + 5y2 = rnorm(10) + 15y3 = rnorm(10) + 35dd = data.frame(Genotype = rep(c("AA","AT","TT"),each=10),weight = c(y1,y2,y3))dd
2，直接分组箱线图
可以看到TT的基因型最高，其次是AT，最后是AA，很明显，T是优势基因。
ggboxplot(dd,x = "Genotype",y = "weight",color = "Genotype",add = "jitter")
3，添加显著性检验的结果（ANOVAR方法）
原始的方差分析结果：
mm = aov(weight ~ Genotype , data=dd)summary(mm)
可视化的话，有两种：一种是显示P值，一种是显示星号
p = ggboxplot(dd,x = "Genotype",y = "weight",color = "Genotype",add = "jitter")p + stat_compare_means(method = "anova")
p + stat_compare_means(method = "anova",label = "p.signif")
4，分组两两之间显著性检验
方差分析，只能表明AA、AT、TT三者之间至少有两个之间达到极显著，如果想要检测两两之间的，还需要进行多重比较，这里可以对两两之间进行T检验，然后把结果可视化。
my_comparisons = list( c("AA", "AT"), c("AA", "TT"), c("AT", "TT") )p + stat_compare_means(comparisons = my_comparisons,# label = "p.signif",method = "t.test")p + stat_compare_means(comparisons = my_comparisons,label = "p.signif",method = "t.test")
结果如下：
推荐阅读：
想要更好的学习和交流，快来加入飞哥的知识星球，这是一个生物统计+数量遗传学+GWAS+GS的社区，在这里你可以向飞哥提问、帮你指定学习计划、跟着飞哥一起做实战项目，冲冲冲。点击这里加入吧：飞哥的学习圈子
