本文参考 Nature 2025 论文 Hofmeister, R.J. et al. “Parent-of-origin effects on complex traits in up to 236,781 individuals”（Nature 646, 647–656 (2025), doi:10.1038/s41586-025-09357-5），复现一种常见的“POE（parent-of-origin effects）分类散点图”风格： 用极坐标角度把平面分成多个扇区背景（POE classification），再把关联位点（或信号）作为散点叠加上去，并用不同性状（Trait）的颜色/形状区分，同时对重点位点进行文字标注与自动避让。
由于论文原始点数据通常不随图完整公开，本文用一组**示例点（可替换为真实结果）**演示完整绘图流程；可以在最后“迁移指南”中把点表替换成自己的 GWAS/POE 结果，直接复用整套版式。 本文仅代表个人实现方式，供大家参考与学习。
文章目录
-
- 论文信息
- 目标图解读
-
- 1）背景扇区（POE classification）
- 2）参考线（帮助读图）
- 3）散点（核心信号）
- 4）文字标注（重点信号）
- 5）双图例（背景扇区 + trait）
- 数据说明
- 可运行代码（R）
- 用真实数据替换（迁移指南）
-
- 1）准备真实点表（推荐 CSV）
- 2）trait 的颜色与形状
- 3）背景扇区分类规则（可选）
论文信息
- 题目： Parent-of-origin effects on complex traits in up to 236,781 individuals
- 期刊： Nature
- 年份/卷页： 646, 647–656 (2025)
- DOI： 10.1038/s41586-025-09357-5
- 图形用途（作图角度概括）： 在二维空间里对 POE 信号进行分类展示：
- 背景扇区表达“父源/母源/双向”等模式
- 点表达具体位点或信号
- 颜色/形状表达性状来源
- 标注突出关键位点（例如某些 imprinted loci）
目标图解读
这张图的“信息结构”非常清晰，按层看就不复杂：
1）背景扇区（POE classification）
- 先把整个平面按 角度
