可视化：和弦图

  和弦图(chord Diagram)，是一种显示数据间相互关系的可视化方法，节点数据沿圆周径向排列 (节点的权重决定了节点的大小)，节点之间使用带权重 (越大条带越宽) 的弧线 (也可以带有方向性) 链接。

绘图

  circlize包专门用于绘制圆圈图的R包，和弦图算是其中的一个类型，该包也有一个专门用于绘制和弦图的函数chordDiagram，用起来还是挺方便的。该函数接受的数据格式可以是矩阵或者三列数据框：

library(circlize)
library(viridis)
library(reshape2)

data <- read.table("https://raw.githubusercontent.com/holtzy/data_to_viz/master/Example_dataset/13_AdjacencyDirectedWeighted.csv", header=T, check.name=F)
data$source <- rownames(data)
data_long <- melt(data, id.vars='source', variable.name='target')
head(data_long)
         source target    value
1        Africa Africa 3.142471
2     East Asia Africa 0.000000
3        Europe Africa 0.000000
4 Latin America Africa 0.000000
5 North America Africa 0.000000
6       Oceania Africa 0.000000

# 图形设置
circos.clear()
circos.par(start.degree = 90, gap.degree = 4, track.margin = c(-0.1, 0.1), points.overflow.warning = FALSE)
par(mar = rep(0, 4))

# 配色
mycolor <- viridis(10, alpha = 1, begin = 0, end = 1, option = "D")
mycolor <- mycolor[sample(1:10)]

chordDiagram(x = data_long, grid.col = mycolor, transparency = 0.25, annotationTrackHeight = c(0.1, 0.05), diffHeight = -0.04, link.arr.type = "big.arrow")

结果如下：

  chordDiagram有很多可以调整的参数，可以根据需要进行设置，基本可以满足大部分的需要。用该函数绘图最主要的就是经济实惠。当然，如果对circlize有足够的认知，也是可以选择更具个性划的方式绘制更为别具一格的图。下面就略微展示一下其他的调整方式：

# 基本图形
chordDiagram(x = data_long, grid.col = mycolor, transparency = 0.25, directional = 1, direction.type = c("arrows", "diffHeight"), diffHeight  = -0.04, annotationTrack = "grid", annotationTrackHeight = c(0.05, 0.1), link.arr.type = "big.arrow", link.sort = TRUE, link.largest.ontop = TRUE)

# 扇区添加标签和刻度
circos.trackPlotRegion(track.index = 1, bg.border = NA, 
  panel.fun = function(x, y) {
    xlim = get.cell.meta.data("xlim")
    sector.index = get.cell.meta.data("sector.index")
    circos.text(x = mean(xlim), y = 3.2, labels = sector.index, facing = "bending", cex = 0.8)
    circos.axis(h = "top", major.at = seq(from = 0, to = xlim[2], by = ifelse(test = xlim[2]>10, yes = 2, no = 1)), minor.ticks = 1, major.tick.percentage = 0.5, labels.niceFacing = FALSE)
  }
)

结果如下:

  可以看到，这种方式绘图跟上面基本相差无几，但是，这种方式可以在绘图的过程中对图形进行更为精细的调整，比如，这里的标签看起来是不是比上面的图要舒服很多。

结束语

  虽然circlize绘出的图非常nice，但不得不承认该包的学习门槛还是不低的，想要用的顺手还真需要花费一些时间。不过，对于大多人来说可能都是任务驱动的需求，仅是为了完成一次任务可能没必要耗费时间去学习大量无用的理论，完全可以参考别人的示例。网络上有很多关于和弦图的帖子，这里列举两个本人觉得比较好的帖子，这里面包含较多个性化调整的示例可供大家参考：

• https://www.jianshu.com/p/73c246b87d82；
• https://blog.csdn.net/weixin_43528109/article/details/83819728。

往期回顾

LACE-seq 保姆级教程
可视化：两种方法绘制桑基图
可视化：density与ridgeline
单细胞：不同亚群的基因平均表达热图
可视化：bubble