circlize 绘图小问题解答

感谢老俊俊的大力支持。我们会每日跟新，欢迎您关注老俊俊的生信笔记。

小问题

之前有小伙伴在绘制环形图时遇到一些小问题：

图形怎么简洁一点？

怎么去掉每个扇区的边框？

怎么根据不同的扇区给扇区里的图形不同的颜色？

怎么看 peak 在基因组上的密度分布？

然后大概总结一下：

我们先随机产生一些 bed 格式的数据：

# 加载R包
library(circlize)

# 设定种子序列
set.seed(123)

# 生成数据
bed = generateRandomBed(nr = 2000,nc = 5)
head(bed)

   chr    start      end      value1      value2      value3     value4     value5
1 chr1   643242  7057416 -0.87661868 -0.44797391 -0.07767267 -0.5848076  0.8275879
2 chr1  7634457  9175071  0.04966380 -1.03537554  0.28414431 -0.7210173  0.3378812
3 chr1  9204434  9853594 -0.28592503  0.07506007  0.50533898  0.5271611 -0.5371033
...

先画一圈染色体图：

# 默认染色体
circos.initializeWithIdeogram()

circos.initializeWithIdeogram() 函数有 plotType 参数来控制显示的内容，我们可以去掉刻度，看起来就会简洁一些了：

# 去掉刻度
circos.initializeWithIdeogram(plotType = c("ideogram", "labels"))

默认绘制一圈 散点图 ，注意默认加载的是 hg19 的基因组：

# 默认散点图
circos.initializeWithIdeogram(plotType = c("ideogram", "labels"))
circos.genomicTrack(bed, numeric.column = 4,
                    panel.fun = function(region, value, ...) {
                      circos.genomicPoints(region, value)
                    })

可以看到是空心的黑色圆，我们用 pch、cex 和 col 参数调整：

# 调整点大小和形状、颜色
circos.genomicTrack(bed, numeric.column = 5,
                    panel.fun = function(region, value, ...) {
                      circos.genomicPoints(region, value,
                                           # 形状
                                           pch = 16,
                                           # 点大小
                                           cex = 0.3,
                                           col = '#29BB89')
                    })

pch 是形状参数，每个数字代表的图形如下：

那么怎么把每个扇区的边框去掉呢？有个 bg.border 参数可以设置：

# 去掉扇区边框
circos.initializeWithIdeogram(plotType = c("ideogram", "labels"))
circos.genomicTrack(bed, numeric.column = 5,
                    panel.fun = function(region, value, ...) {
                      circos.genomicPoints(region, value,
                                           # 形状
                                           pch = 16,
                                           # 点大小
                                           cex = 0.3,
                                           col = '#29BB89')
                    })

circos.genomicTrack(bed, numeric.column = 5,bg.border = NA,
                    panel.fun = function(region, value, ...) {
                      circos.genomicPoints(region, value,
                                           # 形状
                                           pch = 18,
                                           # 点大小
                                           cex = 0.5,
                                           col = '#FF7A00')
                    })

相比于没有去掉边框的是不是看起来更加简洁一些了。此外还可以使用 bg.col 参数设置扇区背景颜色：

# 设置背景颜色
circos.genomicTrack(bed, numeric.column = 5,bg.border = NA,bg.col = 'grey90',
                    panel.fun = function(region, value, ...) {
                      circos.genomicPoints(region, value,
                                           # 形状
                                           pch = 18,
                                           # 点大小
                                           cex = 0.5,
                                           col = '#B8B5FF')
                    })

那么怎么给每个扇区给不同的颜色呢？不知道小伙伴们有没有记得我们之前讲过的，panel.fun 函数就像是一个 循环函数 ，根据扇区分类，来一个个加上图形的，所以只需要给 col 每次循环不一样的颜色即可，可以使用 随机生成颜色的函数 ，每次生成一个随机颜色：

看看用法：

Usage
rand_color(n, hue = NULL, luminosity = "random", transparency = 0)
Arguments
n
number of colors # 生成颜色的数量

hue # 颜色色系
the hue of the generated color. You can use following default color name: red, orange, yellow, green, blue, purple, pink and monochrome. If the value is a hexidecimal color string such as #00FFFF, the function will extract its hue value and use that to generate colors.

luminosity # 饱和度
controls the luminosity of the generated color. The value should be a string containing bright, light, dark and random.

transparency # 透明度
transparency, numeric value between 0 and 1.

我们用循环生成 10 个颜色，类似于放到 panel.fun 里面：

rand_color(10)
 [1] "#9B6450FF" "#17EAB0FF" "#AB4ED1FF" "#C73AADFF" "#2C4F70FF" "#7D7F72FF"
 [7] "#89893BFF" "#A8A2A2FF" "#374A4BFF" "#05700AFF"

# 循环生成
library(plyr)
ldply(1:10,rand_color,n = 1)

          V1
1  #783E3DFF
2  #471917FF
3  #E6B9B7FF
4  #2B1F1FFF
5  #2B2120FF
6  #FCA89FFF
7  #B14C3EFF
8  #5B2B24FF
9  #959493FF
10 #F4917DFF

测试一下，弄个浅色和深色，透明度一半的：

# 给扇区分类颜色
circos.initializeWithIdeogram(plotType = c("ideogram", "labels"))
# 浅色
circos.genomicTrack(bed, numeric.column = 5,
                    panel.fun = function(region, value, ...) {
                      circos.genomicPoints(region, value,
                                           # 形状
                                           pch = 16,
                                           # 点大小
                                           cex = 0.5,
                                           col = rand_color(1,luminosity = 'light',transparency = 0.5))
                    })
# 深色
circos.genomicTrack(bed, numeric.column = 5,
                    panel.fun = function(region, value, ...) {
                      circos.genomicPoints(region, value,
                                           # 形状
                                           pch = 16,
                                           # 点大小
                                           cex = 0.5,
                                           col = rand_color(1,luminosity = 'dark',transparency = 0.5))
                    })

我们还可以把颜色名称输出来方便以后使用：

# 同时输出颜色名称
circos.genomicTrack(bed, numeric.column = 5,
                    panel.fun = function(region, value, ...) {
                      col = rand_color(1,luminosity = 'light',transparency = 0.5)
                      print(col)
                      circos.genomicPoints(region, value,
                                           # 形状
                                           pch = 16,
                                           # 点大小
                                           cex = 0.5,
                                           col = col)
                    })

[1] "#F3B9FD80"
[1] "#F180A180"
[1] "#C4ABFA80"
[1] "#FEEAC380"
[1] "#6BCBEB80"
[1] "#F775CE80"
[1] "#8DFAAC80"
[1] "#F8B77C80"
[1] "#789CF880"
[1] "#716BE780"
[1] "#F883CD80"
[1] "#AAFDE780"
[1] "#BCF68180"
[1] "#FAE28680"
[1] "#DCC4FD80"
[1] "#F7848880"
[1] "#FBC3FC80"
[1] "#FCE09D80"
[1] "#FFE4C980"
[1] "#E8F17980"
[1] "#D5FEA680"
[1] "#F293E780"
[1] "#F9B9F080"
[1] "#E5C7FF80"

最后怎么可视化 peak 在基因组上的 密度分布 呢？peak 是一个个有染色体，起始位置和终止位置构造起来的区域，我们用 矩形图 就可以：

# 密度分布
circos.initializeWithIdeogram(plotType = c("ideogram", "labels"))
# 红色
circos.genomicTrack(bed, numeric.column = 7,bg.border = NA,
                    panel.fun = function(region, value, ...) {
                      circos.genomicRect(region, value, col = '#CF0000', border = NA, ...)
                    })
# 蓝色
circos.genomicTrack(bed, numeric.column = 8,bg.border = NA,
                    panel.fun = function(region, value, ...) {
                      circos.genomicRect(region, value, col = '#0061A8', border = NA, ...)
                    })

# 黑色
circos.genomicTrack(bed, numeric.column = 6,bg.border = NA,
                    panel.fun = function(region, value, ...) {
                      circos.genomicRect(region, value, col = 'black', border = NA, ...)
                    })