R 数据可视化 —— circlize 基因组绘图函数

作者: 名本无名 | 来源:发表于2021-06-13 14:14 被阅读0次

绘图函数

创建基因组数据的绘图区域的函数是 circos.genomicTrack()，或者 circos.genomicTrackPlotRegions()。

其实用方式类似于 circos.track() 函数，可以使用 panel.fun 添加自定义的绘图函数

circos.genomicTrackPlotRegion(
  data, panel.fun = function(region, value, ...) {
    circos.genomicPoints(region, value, ...)
})

在 panel.fun 函数中，可以基础图形函数来添加图形，函数接收两个参数 region 和 value：

region：包含两列起止位置的数据框
value：其他列信息的数据框，一般从第四列开始的数据

其中 region 的数据用于标识 x 轴，value 标识的是 y 轴。

panel.fun 函数还强制要求传入第三个参数 ...，用于传递用户不可见的变量，并交由其内部的基础绘图函数进行解析，如 circos.genomicPoints

例如，我们创建包含两列额外值的数据

> bed <- generateRandomBed(nc = 2)
> head(bed, n = 2)
   chr  start    end     value1     value2
1 chr1 121306 127516 -0.5083810 -0.7065109
2 chr1 140866 680287  0.4426682 -1.0817683

我们可以在 panel.fun 函数中，将 region 和 value 打印出来

circos.initializeWithIdeogram(plotType = NULL)
circos.genomicTrackPlotRegion(
  bed, panel.fun = function(region, value, ...) {
    if(CELL_META$sector.index == "chr1") {
      print(head(region, n = 2))
      print(head(value, n = 2))
    }
})

可以看到，region 为数据的 2、3 两列，value 为 4、5 两列

   start    end
1 121306 127516
2 140866 680287
      value1     value2
1 -0.5083810 -0.7065109
2  0.4426682 -1.0817683

numeric.column 参数用于指定 y 轴数据，可以传递对应的列名或列索引，默认为所有数值列（从第四列开始），这些数据拥有相同的 x 轴坐标，可以使用 ylim 来设置数据范围，例如

circos.genomicTrackPlotRegion(
  data, ylim = c(0, 1),
  panel.fun = function(region, value, ...) {
    circos.genomicPoints(region, value, ...)
})
circos.genomicTrackPlotRegion(
  data, numeric.column = c("value1", "value2"), 
  panel.fun = function(region, value, ...) {
     circos.genomicPoints(region, value, ...)
})

如果输入数据是数据框列表，则 numeric.column 为长度与列表一致的向量或一个标量

1. 基础图形函数

circos.genomicPoints() 用于绘制点图，是使用 circos.points() 函数来实现的

circos.genomicPoints <- function(region, value, numeric.column = 1, ...) {
    x = (region[[2]] + region[[1]])/2
    for(i in numeric.column) {
        y = value[[i]]
        circos.points(x, y, ...)
    }
}

如果你不想使用 circos.genomic*() 类型的函数，可以使用 circos.*() 来实现。

使用方式包括

circos.genomicPoints(region, value, numeric.column = c(1, 2))
circos.genomicPoints(region, value, cex, pch)
circos.genomicPoints(region, value, sector.index, track.index)
circos.genomicTrack(data, numeric.column = 4, 
    panel.fun = function(region, value, ...) {
        circos.genomicPoints(region, value, ...)
})

其他基因组数据绘图函数也是使用对应的 circos.*() 来实现的

circos.genomicLines

circos.genomicLines(region, value, ...)
circos.genomicLines(region, value, numeric.column = c(1, 2))
circos.genomicLines(region, value, area, baseline, border)
circos.genomicLines(region, value, sector.index, track.index)

circos.genomicText

circos.genomicText(region, value, ...)
circos.genomicText(region, value, y = 1, labels)
circos.genomicText(region, value, numeric.column, labels.column)
circos.genomicText(region, value, facing, niceFacing, adj)
circos.genomicText(region, value, sector.index, track.index)

circos.genomicRect

因为矩形框的左右边界由 x 轴固定了，只需要设置上下边界即可，参数可以是 ytop, ybottom 或 ytop.column、ybottom.column 指定对应的数据列

circos.genomicRect(region, value, ytop = 1, ybottom = 0)
circos.genomicRect(region, value, ytop.column = 2, ybottom = 0)
circos.genomicRect(region, value, col, border)

circos.genomicLink

需要两个数据框来确定连接区域，其他参数都由 circos.link() 解析，例如

bed1 <- generateRandomBed(nr = 100)
bed1 <- bed1[sample(nrow(bed1), 20), ]
bed2 <- generateRandomBed(nr = 100)
bed2 <- bed2[sample(nrow(bed2), 20), ]

circos.initializeWithIdeogram()
circos.genomicLink(
  bed1, bed2, border = NA,
  col = rand_color(nrow(bed1), transparency = 0.5)
)
circos.clear()

2. 绘图模式

circos.genomicTrack() 函数和 panel.fun 参数对不同的输入数据或不同的模式，会有不同的表现形式

2.1 正常模式

2.1.1 数据框

如果输入数据是数据框，绘制方式与前面一样

circos.initializeWithIdeogram()
circos.genomicTrack(
  data, numeric.column = 4, 
  panel.fun = function(region, value, ...) {
    circos.genomicPoints(region, value, col = "blue")
    # 这里的 numeric.column = 1 表示 value 的第一列，即 data 的第 4 列
    circos.genomicPoints(region, value, numeric.column = 1, col = "red")
  }
)
circos.clear()

2.1.2 数据框列表

对于数据框列表的输入数据，panel.fun 将按照当前染色体的各不同数据框进行绘制，region 和 value 表示的是当前染色体，当前数据框所对应的值。

需要在 panel.fun 函数内部使用 getI(...) 来获取当前数据框的索引。例如

circos.initializeWithIdeogram()
circos.genomicTrack(
  bed_list,
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicPoints(region, value, col = rand_color(1), ...)
  })

# column 4 in the first bed and column 5 in the second bed
circos.genomicTrack(
  bed_list,
  numeric.column = c(4, 5),
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicPoints(region, value, col = rand_color(1), ...)
  }
)
circos.clear()

2.2 堆叠模式

在 circos.genomicTrack() 函数中设置 stack = TRUE，开启堆叠模式。

在堆叠模式下，ylim 将会被重新定义，y 轴将会被分割为一些高度相同的 bin（y = 1, 2, ...），每个 bin 内放置对应的图形

2.2.1 数据框

如果在堆叠模式下输入数据是包含多列数值列的数据框，则 numeric.column 所指定的每个数值列都会作为一个单元，ylim 被设置为 (0.5,0.5+n)，n 为数值列的数目。y 轴的值 value 将会被替换为 y=i

例如

data <- generateRandomBed(nr = 100, nc = 2)
circos.initializeWithIdeogram()
circos.genomicTrack(
  data, stack = TRUE,
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicPoints(region, value, col = rand_color(1), ...)
  }
)
circos.clear()

2.2.2 数据框列表

如果输入的是数据框列表，则每个数据框被认为是一个单元，ylim 被重定义为 (0.5,0.5+n)，n 为数据框列表的长度。

panel.fun 将会应用在每个数据框中，

circos.initializeWithIdeogram()
circos.genomicTrack(
  bed_list, stack = TRUE,
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicPoints(region, value, col = rand_color(1), ...)
  })

circos.clear()

3 应用

3.1. 点图

为了更容易看出图形的区别，我们只显示一条染色体，并将其绘制成 1/4 圆

circos.par(
  "track.height" = 0.1, start.degree = 90,
  canvas.xlim = c(0, 1), canvas.ylim = c(0, 1), 
  gap.degree = 270
)
circos.initializeWithIdeogram(
  chromosome.index = "chr1", plotType = NULL
)

添加轨迹 A，只绘制点

bed <- generateRandomBed(nr = 300)

circos.genomicTrack(
  bed, panel.fun = function(region, value, ...) {
  circos.genomicPoints(region, value, pch = 16, cex = 0.5, ...)
  circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'A', adj = c(1.05, 0.5)
    )
  }
)

添加轨迹 B，将点以 stack 模式排列，并添加一条虚线

circos.genomicTrack(
  bed, stack = TRUE, 
  panel.fun = function(region, value, ...) {
    circos.genomicPoints(region, value, pch = 16, cex = 0.5, ...)
    i = getI(...)
    circos.lines(CELL_META$cell.xlim, c(i, i), 
                 lty = 2, col = "#00000040")
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'B', adj = c(1.05, 0.5)
    )
  }
)

添加轨迹 C，使用数据框列表，两个数据框的点设置不同的颜色

bed1 <- generateRandomBed(nr = 300)
bed2 <- generateRandomBed(nr = 300)
bed_list <- list(bed1, bed2)
circos.genomicTrack(
  bed_list, 
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicPoints(
      region, value, pch = 16,
      cex = 0.5, col = rand_color(1), ...
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'C', adj = c(1.05, 0.5)
    )
  }
)

添加轨迹 D，为数据框列表使用堆积的方式

circos.genomicTrack(
  bed_list, stack = TRUE, 
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicPoints(
      region, value, pch = 16,
      cex = 0.5, col = rand_color(1), ...
    )
    circos.lines(
      CELL_META$cell.xlim, c(i, i), lty = 2, 
      col = "grey50"
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'D', adj = c(1.05, 0.5)
    )
  }
)

添加轨迹 E，数据框包含 4 列数值数据，每列数据拥有相同的 x 轴坐标，并设置不同的颜色

bed <- generateRandomBed(nr = 300, nc = 4)
circos.genomicTrack(
  bed, panel.fun = function(region, value, ...) {
    circos.genomicPoints(
      region, value, pch = 16,
      cex = 0.5, col = 1:4, ...
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'E', adj = c(1.05, 0.5)
    )
  }
)

添加轨迹 F，堆叠方式显示 4 列数据

bed <- generateRandomBed(nr = 300, nc = 4)
circos.genomicTrack(
  bed, stack = TRUE, 
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicPoints(
      region, value, pch = 16,
      cex = 0.5, col = i, ...
    )
    circos.lines(
      CELL_META$cell.xlim, c(i, i), 
      lty = 2, col = "grey50"
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'F', adj = c(1.05, 0.5)
    )
  })
circos.clear()

3.2 线

类似于上面的点图，我们也只用 1/4 圆来绘制 chr1

circos.par(
  "track.height" = 0.08, start.degree = 90,
  canvas.xlim = c(0, 1), canvas.ylim = c(0, 1), 
  gap.degree = 270,
  cell.padding = c(0, 0, 0, 0)
)

circos.initializeWithIdeogram(
  chromosome.index = "chr1", plotType = NULL
)

轨迹 A，绘制简单折线，折线的点为区间中点

bed <- generateRandomBed(nr = 500)
circos.genomicTrack(
  bed, panel.fun = function(region, value, ...) {
    circos.genomicLines(region, value)
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'A', adj = c(1.05, 0.5)
    )
  }
)

轨迹 B，面积折线图，轨迹 C 为 h 类型

circos.genomicTrack(
  bed,  panel.fun = function(region, value, ...) {
    circos.genomicLines(region, value, area = TRUE)
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'B', adj = c(1.05, 0.5)
    )
  }
)
circos.genomicTrack(
  bed, panel.fun = function(region, value, ...) {
    circos.genomicLines(region, value, type = "h")
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'C', adj = c(1.05, 0.5)
    )
  }
)

轨迹 D，用数据框列表绘制分组折线图，每组为一个数据框

bed1 <- generateRandomBed(nr = 500)
bed2 <- generateRandomBed(nr = 500)
bed_list <- list(bed1, bed2)
circos.genomicTrack(
  bed_list, 
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicLines(
      region, value, col = rand_color(1), ...
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'D', adj = c(1.05, 0.5)
    )
  }
)

轨迹 E，使用堆叠的方式绘制数据框列表

circos.genomicTrack(
  bed_list, stack = TRUE, 
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicLines(region, value, col = i, ...)
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'E', adj = c(1.05, 0.5)
    )
  }
)

轨迹 F，包含 4 列的数据框，绘制分组折线图，每组表示一列

bed <- generateRandomBed(nr = 500, nc = 4)
circos.genomicTrack(
  bed, 
  panel.fun = function(region, value, ...) {
    circos.genomicLines(region, value, col = 1:4, ...)
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'F', adj = c(1.05, 0.5)
    )
  }
)

轨迹 G，堆叠的数据框

circos.genomicTrack(
  bed, stack = TRUE, 
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicLines(region, value, col = i, ...)
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'G', adj = c(1.05, 0.5)
    )
  }
)

轨迹 H，绘制 segment 类型的线

bed <- generateRandomBed(nr = 200)
circos.genomicTrack(
  bed, 
  panel.fun = function(region, value, ...) {
    circos.genomicLines(
      region, value, type = "segment",
      lwd = 2, col = rand_color(nrow(region)),
      ...
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'H', adj = c(1.05, 0.5)
    )
  })
circos.clear()

3.3 矩形

由于矩阵的颜色表示的值大小，我们定义连续型颜色映射

circos.par(
  "track.height" = 0.15, start.degree = 90,
  canvas.xlim = c(0, 1), canvas.ylim = c(0, 1), 
  gap.degree = 270
)
circos.initializeWithIdeogram(
  chromosome.index = "chr1", plotType = NULL
)
col_fun <- colorRamp2(
  breaks = c(-1, 0, 1), 
  colors = c("#ef8a62", "#f7f7f7", "#67a9cf")
)

如果要绘制热图，可以设置 stack 模式

bed <- generateRandomBed(nr = 100, nc = 4)
circos.genomicTrack(
  bed, stack = TRUE, 
  panel.fun = function(region, value, ...) {
    circos.genomicRect(
      region, value,
      col = col_fun(value[[1]]),
      border = NA, ...
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'A', adj = c(1.05, 0.5)
    )
  }
)

在轨迹 B 中，使用数据框列表的堆叠模式

bed1 <- generateRandomBed(nr = 100)
bed2 <- generateRandomBed(nr = 100)
bed_list <- list(bed1, bed2)
circos.genomicTrack(
  bed_list, stack = TRUE, 
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicRect(
      region, value, ytop = i + 0.3,
      ybottom = i - 0.3,
      col = col_fun(value[[1]]),
      ...
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'B', adj = c(1.05, 0.5)
    )
  }
)

在轨迹 C 中，我们使用正常的模式实现类似的功能

circos.genomicTrack(
  bed_list, ylim = c(0.5, 2.5), 
  panel.fun = function(region, value, ...) {
    i = getI(...)
    circos.genomicRect(
      region, value, ytop = i + 0.3,
      ybottom = i - 0.3,
      col = col_fun(value[[1]]),
      ...
    )
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'C', adj = c(1.05, 0.5)
    )
  }
)

轨迹 D，我们可以设置条形的高度，ytop.column = 1 表示 value 的第一列

bed <- generateRandomBed(nr = 200)
circos.genomicTrack(
  bed, 
  panel.fun = function(region, value, ...) {
    circos.genomicRect(
      region, value, ytop.column = 1,
      ybottom = 0,
      col = ifelse(value[[1]] > 0, "#ef8a62", "#67a9cf"),
      ...
    )
    circos.lines(CELL_META$cell.xlim, c(0, 0), lty = 2, col = "grey50")
    circos.text(
      CELL_META$cell.xlim[1], 
      mean(CELL_META$cell.ylim), 
      'D', adj = c(1.05, 0.5)
    )
  }
)
circos.clear()

R 数据可视化 —— circlize 基因组绘图函数

绘图函数

1. 基础图形函数

2. 绘图模式

2.1 正常模式

2.1.1 数据框

2.1.2 数据框列表

2.2 堆叠模式

2.2.1 数据框

2.2.2 数据框列表

3 应用

3.1. 点图

3.2 线

3.3 矩形

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

绘图技巧

R语言绘图