单/多个基因在组间同时展示的多种选择：分组小提琴图、分组/分面柱状图、单基因蜂群点图拼图绘制

【ggplot2的基本思路见前文总论】：基于ggplot2的RNA-seq转录组可视化：总述和分文目录

【ggplot2绘图具体策略第一篇】：测序结果概览：基因表达量rank瀑布图，高密度表达相关性散点图，注释特定基因及errorbar的表达相关性散点图绘制

【ggplot2绘图具体策略第三篇】：配对样本基因表达趋势：优化前后的散点连线图+拼图绘制

在我们获得转录组的测序结果并进行数据处理-差异分析一整套流程后，我们不仅关注整个转录组的表达趋势，还包括了特定基因在不同处理组/特征间的表达情况。这时依旧是各类ggplot2统计图的主场。

本文将要介绍的图表类型展示如下：包括分组小提琴图（B）、分组（A）/分面柱状图（C）、单基因蜂群点图拼图（D）。想必大家都知道这些图表在生物医学文献中半壁江山的地位。用R-ggplot2来绘制它们，简单明了美观，也不需要对数据进行跨平台保存读取，可谓方便。

我们依旧使用通过第一、二篇介绍的整合好并差异分析过的TCGA白种人LUSC肺鳞癌mRNA-seq转录组表达数据。

基于第一篇文章从TCGA数据库下载并整合清洗高通量肿瘤表达谱-临床性状数据，我们下载并清洗TCGA数据库中white人种的LUSC肺鳞癌mRNA-seq转录组counts数据和FPKM数据。

随后根据第二篇文章TCGA数据整合后进行DESeq2差异表达分析和基于R的多种可视化对counts数据进行了基于DESeq2的差异分析。

现在假设我们已经获得： （样本1到344为cancer，345到386为normal） （1）resSigAll: the subset object generated by DESeq2 containing info about all differentially expressed genes. （2）clinical_trait: the data frame containing submitter_id and tumor_stage of selected TCGA LUSC samples. It will be used for grouping. （3）condition_table: the data frame defining the sample_type and recording the TCGA_IDs and submitter_id of each TCGA sample. It will be used for grouping. （4）expr_vst: vst transformed normalized counts matrix of genes and samples generated by DESeq2. It is the raw material of downstream visualization.

ggplot2 (作图)，reshape2包 (对数据框格式进行转制)，ggsignif (统计学注释包)，ggbeeswarm (蜂群图作图包)，customLayout，和gridExtra(用于ggplot2对象拼图)。

假设现在我们关注一个目的基因在normal和cancer组间的表达分布，且希望看到每组内不同LUSC tumor stages间该基因的表达变化情况。（因为normal组也是来自于患者的癌旁组织，所以也可以分组）

则绘图需要： （1）normal/cancer分组以及组内tumor stage亚组（x轴分组依据） （2）亚组的vst counts均值（y轴，因为作柱状图，不需要每个散点的信息） （3）亚组的vst counts标准差（errorbar）

我们随机从差异基因中选取一个基因作为可视化对象。自定义函数，输入stage i/stageii/>= stage iii可通过clinical_trait和condition_table dataframe分别匹配相应的normal和cancer样本，并分别计算均值和标准差。最后汇总得到