• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • circlize 绘图小问题解答

      circlize 绘图小问题解答

      • 发布者 weinfoadmin
      • 分类 未分类, 老俊俊的生信笔记
      • 日期 2021年9月10日
      • 评论 0评论

      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, ...)
                          })


      代码 我上传到 QQ 群 老俊俊生信交流群 文件夹里。欢迎加入。加我微信我也拉你进 微信群聊 老俊俊生信交流群 哦。

      群二维码:


      老俊俊微信:



      所以今天你学习了吗?

      欢迎小伙伴留言评论!

      点击我留言!

      今天的分享就到这里了,敬请期待下一篇!

      最后欢迎大家分享转发,您的点赞是对我的鼓励和肯定!

      如果觉得对您帮助很大,赏杯快乐水喝喝吧!

      推 荐 阅 读




      • circlize 之可视化基因组数据

      • circlize 之 Advanced layout

      • circlize 之 circos.heatmap()

      • circlize 之 Implement high-level circular plots

      • 怎么批量合并 data.frame ?

      • QPCRpro 正式上线!

      • circlize 之 Legends

      • QPCR数据添加 p 值和显著性一次解决!

      • circlize 之 Graphics

      • circlize 之 Introduction

      • circlize 之 Circular layout

      • 鉴定差异翻译效率基因之 deltaTE 下篇

      • 鉴定差异翻译效率基因之 deltaTE 上篇

      • 鉴定差异翻译效率基因之 Riborex

      • purrr 包之 list 处理系列函数

      • purrr 包之 map 系列函数

      • 批量绘制单基因相关性图

      • Y 叔出品:ggfun

      • 神器之 computeMatrix + 绘图

      • Deeptools 神器之 bamCoverage

      • 在线版shiny pheatmap!

      • QPCR数据快速分析和绘图 — by shiny

      • RNA-seq:Salmon 快速定量

      • RNA-seq:Salmon 定量结果差异分析

      • 用R提取代表转录本

      • 画个CNS级别火山图!

      • R Tips :split 函数

      • 什么? R 版 Hisat2

      • R Tips :match 函数

      • conda 安装软件报错

      • MetaProfile on Transcript

      • 提取代表转录本之 gencode

      • 附近含有 m6A 修饰的 Stop Codon 序列提取

      • Introduction of m6A

      • RNA-seq : Hisat2+Stringtie+DESeq2

      • shiny VennDiagram

      • shiny CountToTPM/FPKM

      • 自己模仿画个– m6A distribution on transcript

      • 怎么把 shiny App 做成 exe 文件进行分发

      • shiny-server内网穿透

      • 在线版shiny pheatmap!

      • 用shiny创作在线火山图绘制App

      • circlize 之 Create plotting regions

      • circlize 之 High-level genomic functions

      • R 爬虫之爬取文献信息

      • R 爬虫之爬取公众号图片

      • 跟着 cell 绘制条形堆叠图和分面小提琴图

      • R 爬虫之爬取 NCBI 文献

      • ggplot 分面绘图一网打尽

      • circlize 之 chordDiagram 函数

      • circlize 之 chordDiagram 函数高级用法

      • R 绘制柱形偏差图

      • R 爬虫之爬取文献影响因子

      • R爬虫之 html 简介

      • R 爬虫之爬取 CRAN 官网 R 包信息

      • ZhouLab 星球

      • R爬虫之 html 简介(续)

      • 绘制带连线的柱状堆积图

      • 连线柱状堆积图进阶

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      批量读取文件一文搞定
      2021年9月10日

      下一篇文章

      连线柱状堆积图进阶
      2021年9月10日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?