• 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
      • igraph 牛刀小试

      igraph 牛刀小试

      • 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~





      igraph 来把牛郎织女牵


      igraph 包是可视化网络关系图的强大软件,有 python、C语言 和 R版本的。

      安装和加载:

      ## Download and install the package
      install.packages("igraph")

      ## Load package
      library(igraph)

      参数很多很多…。需要改哪个再去查阅会方便一些。简单画个图,可视化基因间的相互关系。

      创建数据:

      # 构建数据
      da <- data.frame(from = rep('gene1',16),to = paste('gene',LETTERS[1:16],sep = ''),
                       value = seq(-2,2,length.out = 16))
      da

          from    to      value
      1  gene1 geneA -2.0000000
      2  gene1 geneB -1.7333333
      3  gene1 geneC -1.4666667
      ...

      转换为 igraph 对象:

      # 转为网络对象
      g <- graph_from_data_frame(da,directed = F)
      g

      IGRAPH 4449d0d UN-- 17 16 --
      + attr: name (v/c), value (e/n)
      + edges from 4449d0d (vertex names):
       [1] gene1--geneA gene1--geneB gene1--geneC gene1--geneD gene1--geneE gene1--geneF gene1--geneG
       [8] gene1--geneH gene1--geneI gene1--geneJ gene1--geneK gene1--geneL gene1--geneM gene1--geneN
      [15] gene1--geneO gene1--geneP

      # 查看属性
      class(g)
      [1] "igraph"

      默认绘图:

      # 默认绘图
      plot(g)

      我们可以根据格局样式、节点、标签、边、颜色、线等属性进行美化调整。

      格局样式:layout:

      节点和边的属性参数(from:生信学习手册):

      接下来美化一下:

      # 美化
      plot(g, # 网络数据
           main = 'My first Network Plot', # 标题
           sub = 'By laojunjun', # 子标题
           layout = layout_in_circle, # 网络样式
           vertex.color = '#FFBE0F', # 节点颜色
           vertex.frame.color = 'black', # 节点边框颜色
           vertex.size = 25, # 节点大小
           vertex.label.cex = 1.2, # 节点标签大小
           edge.color = 'black', # 边颜色
           edge.width = '2', # 变粗细
           edge.curved = 0, # 边的弯曲程度
           frame = T, # 是否加图形边框
           asp = 1, # 图形的纵横比
      )

      给节点设置不同颜色填充:

      # 设置节点不同颜色
      V(g)$color <- rainbow(16)

      plot(g, # 网络数据
           main = 'My first Network Plot', # 标题
           # sub = 'By laojunjun', # 子标题
           layout = layout_in_circle, # 网络样式
           # vertex.color = '#FFBE0F', # 节点颜色
           vertex.frame.color = 'black', # 节点边框颜色
           vertex.size = 25, # 节点大小
           vertex.label.cex = 1.2, # 节点标签大小
           vertex.label.color = 'black', # 节点标签颜色
           edge.color = 'black', # 边颜色
           edge.width = '2', # 变粗细
           edge.curved = 0, # 边的弯曲程度
           frame = F # 是否加图形边框
      )

      设置边的颜色:

      # 设置边不同颜色
      E(g)$color <- rainbow(16)

      plot(g, # 网络数据
           main = 'My first Network Plot', # 标题
           layout = layout_in_circle, # 网络样式
           vertex.color = '#C2F784', # 节点颜色
           vertex.frame.color = 'black', # 节点边框颜色
           vertex.size = 25, # 节点大小
           vertex.label.cex = 1.2, # 节点标签大小
           vertex.label.color = 'black', # 节点标签颜色
           # edge.color = 'black', # 边颜色
           edge.width = '2', # 变粗细
           edge.curved = 0, # 边的弯曲程度
           frame = F # 是否加图形边框
      )

      设置节点为渐变色:

      #生成渐变色
      color <- colorRampPalette(c("blue","white","red"))(16)

      V(g)$color[1:16] <- color

      plot(g, # 网络数据
           main = 'My first Network Plot', # 标题
           layout = layout_in_circle, # 网络样式
           vertex.frame.color = 'black', # 节点边框颜色
           vertex.size = 25, # 节点大小
           vertex.label.cex = 1.2, # 节点标签大小
           vertex.label.color = 'black', # 节点标签颜色
           edge.color = 'black', # 边颜色
           edge.width = '2', # 变粗细
           edge.curved = 0, # 边的弯曲程度
      )

      换个展现形式:

      # 换个格局
      plot(g, # 网络数据
           main = 'My first Network Plot', # 标题
           layout = layout.sphere, # 网络样式
           vertex.frame.color = 'black', # 节点边框颜色
           vertex.size = 25, # 节点大小
           vertex.label.cex = 1.2, # 节点标签大小
           vertex.label.color = 'black', # 节点标签颜色
           edge.color = 'black', # 边颜色
           edge.width = '2', # 变粗细
           edge.curved = 0, # 边的弯曲程度
      )

      根据数值大小设置节点大小:

      # 根据数值大小设置节点大小
      V(g)$size <- sample(15:28,16,replace = T)

      plot(g, # 网络数据
           main = 'My first Network Plot', # 标题
           layout = layout_in_circle, # 网络样式
           vertex.color = '#FFBCBC', # 节点颜色
           vertex.frame.color = 'black', # 节点边框颜色
           # vertex.size = 25, # 节点大小
           vertex.label.cex = 1.2, # 节点标签大小
           vertex.label.color = '#CE1212', # 节点标签颜色
           edge.color = 'black', # 边颜色
           edge.width = '2', # 变粗细
           edge.curved = 0.5, # 边的弯曲程度
      )

      根据数值大小设置边粗细:

      # 根据值大小设置边宽度
      E(g)$width <- sample(1:8,16,replace = T)

      plot(g, # 网络数据
           main = 'My first Network Plot', # 标题
           layout = layout_in_circle, # 网络样式
           vertex.color = '#FFBE0F', # 节点颜色
           vertex.frame.color = 'black', # 节点边框颜色
           vertex.size = 25, # 节点大小
           vertex.label.cex = 1.2, # 节点标签大小
           vertex.label.color = 'black', # 节点标签颜色
           edge.color = 'black', # 边颜色
      )

      好了,今天就到这里了。祝大家七夕节快乐,早日找到属于自己的另一半!



      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!

      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

      ggraph 绘制基因关系网络图
      2021年9月10日

      下一篇文章

      基础绘图 grid 包,你值得学习!
      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?