• 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
      • ggraph 绘制基因关系网络图

      ggraph 绘制基因关系网络图

      • 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。


      点击上方关注我们


      1、故事发生



      关于之前我在知识星球发布的作业,还是上次那个小朋友积极的交了作业,在这表示夸奖和鼓励!

      复现的图:

      这是群里一个小姐姐粉丝提出的问题,文章里用类似于 网络图 的形式展示基因间的相互关系以及相关性。可视化网络关系的软件有 igraph 、ggraph 及 cytoscape 等。

      提交作业的小朋友用的是 ggraph 这个包,ggraph 结合了 ggplot 的语法,来对网络数据进行可视化。使得对于图形处理会更加方便。


      2、交作业



      以下是 ’竹鼠商‘ 的代码及图,这次名字应该对了:

      library(igraph)
      library(dplyr)
      library(ggraph)

      # 创建数据框
      set.seed(23)
      df <- data.frame(
        source = rep('HIF1A', 17),
        target = c('HIF1A',
                   'S100A2', 'PPARD', 'IGFL2', 'PACS1',
                   'GRIN2D', 'KDM6A', 'ELAC1', 'TXLNG',
                   'WDSUB1', 'PDIK1L', 'BCMO1', 'DNAJC28',
                   'PIN4', 'LRRC31', 'INPP5J', 'NR0B2'),
        Cor =  c(1, runif(16, min = -0.4, max = 0.4))
      )

      # 原图中点的顺序是按照相关性红色过度到蓝色
      df <- df %>%
        arrange(desc(Cor))


      # 这里用到igraph构建的node的位置和ggraph构建的edge

      # 使用igraph包构建点的位置矩阵,
      network <- graph_from_data_frame(d = df, directed = F)
      layout_matrix <- layout_in_circle(network)

      # 将点的左右方向翻转
      layout_matrix[,1] <- layout_matrix[,1] * -1

      # 使用ggraph包构建位置矩阵,并替换为igraph的位置
      df$source <- as.factor(df$source)
      df$target <- as.factor(df$target)

      edges <- data.frame(form = as.numeric(df$source),
                          to = as.numeric(df$target))
      nodes <- data.frame(name = df$target)
      g <- tbl_graph(nodes = nodes, edges = edges)
      network_df <- create_layout(g, layout = 'linear', circular = TRUE)
      network_df$x <- layout_matrix[,1]
      network_df$y <- layout_matrix[,2]


      ggraph(network_df) +
        geom_edge_arc(colour = 'black') +
        geom_node_text(aes(label = df$target),
                       size = 3,
                       vjust = c(0.5, ifelse(df$Cor[-1] < 0, 1, -1) *2),
                       hjust = c(1.5, rep(0.5, 16)))+
        geom_node_point(aes(fill = df$Cor),
                        shape = 21,
                        size = c(8, rep(6, 16))) +
        scale_fill_gradient2(low = 'blue', mid = 'white', high = 'red',
                             limits = c(-0.5, 0.5),
                             breaks = c(-0.4,0,0.4)) +
        xlim(-1.5, 1.5) +
        ylim(-1.5, 1.5) +
        theme_graph() +
        theme(legend.position = c(0.9, 0.8),
              legend.text = element_text(family = 'serif'),
              legend.title = element_text(family = 'serif'),
              legend.key = element_rect(fill = 'red', color = 'red')) +
        guides(fill = guide_colourbar(title = 'Cor'))

      图:

      可以看到复现的已经是很像了。

      那么我就借着代码给大家简要介绍一下。


      3、代码优化及介绍



      首先我们创建我们的数据,第三列是基因间的相关性:

      # 加载R包
      library(igraph)
      library(dplyr)
      library(ggraph)
      library(tidygraph)

      # 创建数据
      df <- data.frame(
        from = rep('HIF1A', 17),
        to = c('HIF1A',
               'S100A2', 'PPARD', 'IGFL2', 'PACS1',
               'GRIN2D', 'KDM6A', 'ELAC1', 'TXLNG',
               'WDSUB1', 'PDIK1L', 'BCMO1', 'DNAJC28',
               'PIN4', 'LRRC31', 'INPP5J', 'NR0B2'),
        Cor =  c(1, runif(16, min = -0.4, max = 0.4))
      )

      # 查看内容
      head(df,3)

         from     to        Cor
      1 HIF1A  HIF1A  1.0000000
      2 HIF1A S100A2 -0.1793522
      3 HIF1A  PPARD -0.2224022

      按相关性排序:

      # 按相关性排序
      df <- df %>% arrange(desc(Cor))

      然后构建节点和边的属性,再转为 graph 对象:

      # 边
      edges <- data.frame(from = df$from,to = df$to)

      # 节点
      nodes <- data.frame(name = df$to)

      # 转换
      g <- tbl_graph(nodes = nodes, edges = edges)

      我们简单绘制一个:

      # 简单绘制
      ggraph(g,layout = 'linear', circular = T) +
        # 添加边
        geom_edge_link(width = 1) +
        # 添加节点
        geom_node_point(size = 10,color = '#CAFF70') +
        # 添加文字标签
        geom_node_text(aes(label = df$to),size = 5) +
        # 背景优化
        theme_void()

      映射一下相关性:

      # 把节点改成相关性来映射颜色
      ggraph(g,layout = 'linear', circular = T) +
        # 添加边
        geom_edge_link(width = 1) +
        # 添加节点
        geom_node_point(size = 10,aes(color = df$Cor)) +
        # 添加文字标签
        geom_node_text(aes(label = df$to),size = 4.5) +
        # 修改颜色
        scale_color_gradient2(low = 'blue', mid = 'white', high = 'red',
                             limits = c(-0.5, 0.5),
                             breaks = c(-0.4,0,0.4),
                             name = 'Cor') +
        # 背景优化
        theme_void() +
        # 设置图例位置
        theme(legend.position = c(0.9,0.8)) +
        # 设置绘图边界
        expand_limits(x = c(-1.5, 1.5), y = c(-1.5, 1.5))

      是不是有点昨天 igraph 的味道了。

      那么怎么把线变弯呢?我们使用 geom_edge_arc 函数绘制曲线:

      # 绘制曲线
      p <- ggraph(g,layout = 'linear', circular = T) +
        # 绘制曲线
        geom_edge_arc(color = 'black',edge_width = 0.7) +
        # 添加节点
        geom_node_point(size = 10,aes(color = df$Cor)) +
        # 添加文字标签
        geom_node_text(aes(label = df$to),size = 4.5) +
        # 修改颜色
        scale_color_gradient2(low = 'blue', mid = 'white', high = 'red',
                              limits = c(-0.5, 0.5),
                              breaks = c(-0.4,0,0.4),
                              name = 'Cor') +
        # 背景优化
        theme_void() +
        # 设置图例位置
        theme(legend.position = c(0.9,0.8)) +
        # 设置绘图边界
        expand_limits(x = c(-1.5, 1.5), y = c(-1.5, 1.5))
      p

      可以使用 coord_flip 和 scale_y_reverse 旋转图形,因为本质上这些图形都是位置坐标,转换一下即可:

      # 旋转
      p +
        coord_flip() +
        scale_y_reverse()

      接下来我们改变点形状,填充颜色,调整文字标签的位置:

      # 改变点形状、大小,填充颜色,调整标签位置
      ggraph(g,layout = 'linear', circular = T) +
        # 绘制曲线
        geom_edge_arc(color = 'black',edge_width = 0.7) +
        # 添加节点
        geom_node_point(aes(fill = df$Cor),shape= 21,
                        # 点不同大小
                        size = c(12,rep(8,16))) +
        # 添加文字标签
        geom_node_text(aes(label = df$to),size = 4.5,
                       vjust = c(0.5, ifelse(df$Cor[-1] < 0, 1, -1)*2.5),
                       hjust = c(1.5, rep(0.5, 16))) +
        # 修改颜色
        scale_fill_gradient2(low = 'blue', mid = 'white', high = 'red',
                              limits = c(-0.5, 0.5),
                              breaks = c(-0.4,0,0.4),
                              name = 'Cor') +
        # 背景优化
        theme_void() +
        # 设置图例位置
        theme(legend.position = c(0.9,0.8)) +
        # 设置绘图边界
        expand_limits(x = c(-1.5, 1.5), y = c(-1.5, 1.5)) +
        coord_flip() +
        scale_y_reverse()

      还可以把相关性映射给边,如果我们需要修改颜色,使用 scale_colour_manual 是没有用的,粉丝找到了 scale_edge_color_manual 函数对修改对应属性的颜色:

      # 修改边颜色
      ggraph(g,layout = 'linear', circular = T) +
        # 绘制曲线
        geom_edge_arc(aes(color = df$to),edge_width = 0.7,
                      # 不显示图例
                      show.legend = F) +
        # 添加节点
        geom_node_point(aes(fill = df$Cor),shape= 21,
                        # 点不同大小
                        size = c(12,rep(8,16))) +
        # 添加文字标签
        geom_node_text(aes(label = df$to),size = 4.5,
                       vjust = c(0.5, ifelse(df$Cor[-1] < 0, 1, -1)*2.5),
                       hjust = c(1.5, rep(0.5, 16))) +
        # 修改颜色
        scale_fill_gradient2(low = 'blue', mid = 'white', high = 'red',
                             limits = c(-0.5, 0.5),
                             breaks = c(-0.4,0,0.4),
                             name = 'Cor') +
        # 修改边颜色
        scale_edge_color_manual(values = rainbow(17)) +
        # 背景优化
        theme_void() +
        # 设置图例位置
        theme(legend.position = c(0.9,0.8)) +
        # 设置绘图边界
        expand_limits(x = c(-1.5, 1.5), y = c(-1.5, 1.5)) +
        coord_flip() +
        scale_y_reverse()

      以上都是圆形的布局格式,我们还可以换成线性的:

      # 线性布局
      ggraph(g,layout = 'linear', circular = F) +
        # 绘制曲线
        geom_edge_arc(aes(color = df$to),edge_width = 0.7,
                      # 不显示图例
                      show.legend = F) +
        # 添加节点
        geom_node_point(aes(fill = df$Cor),shape= 21,
                        # 点不同大小
                        size = c(12,rep(8,16))) +
        # 添加文字标签
        geom_node_text(aes(label = df$to),angle = 65,hjust = 1,nudge_y = -0.4) +
        # 修改颜色
        scale_fill_gradient2(low = 'blue', mid = 'white', high = 'red',
                             limits = c(-0.5, 0.5),
                             breaks = c(-0.4,0,0.4),
                             name = 'Cor') +
        # 修改边颜色
        scale_edge_color_manual(values = rainbow(17)) +
        # 背景优化
        theme_void() +
        # 设置图例位置
        theme(legend.position = 'top') +
        # 设置绘图边界
        expand_limits(x = c(-1.5, 1.5), y = c(-1.5, 1.5))

      换个黑色:



      收官!


      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:




      知识星球:



      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

      • circlize 绘图小问题解答

      • 批量读取文件一文搞定

      • 保姆级:手把手教你绘制环形基因表达热图

      • 环形热图进阶

      • 奇怪的图例作业

      • 基础绘图 grid 包,你值得学习!

      • igraph 牛刀小试

      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

      新的 m6A 识别蛋白 MOV10
      2021年9月10日

      下一篇文章

      igraph 牛刀小试
      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?