R包ggseqlogo |绘制序列分析图

最新推荐文章于 2024-08-27 20:10:39 发布
最新推荐文章于 2024-08-27 20:10:39 发布
阅读量3.1k 收藏 19
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qazplm12_3/article/details/103318532
版权

简介

在生物信息分析中，经常会做序列分析图（sequence logo），这里的序列指的是核苷酸(DNA/RNA链中)或氨基酸(在蛋白质序列中)。sequence logo图是用来可视化一段序列某个位点的保守性，据根提供的序列组展示位点信息。常用于描述序列特征，如DNA中的蛋白质结合位点或蛋白质中的功能单元。

实现以上可视化过程的工具有很多，本文介绍一个使用起来非常简单，不拖泥带水的R包ggseqlogo，只要你根据此包要求的数据格式上传一堆DNA序列或者氨基酸序列，再根据现成的命令流程就能画出logo图。

安装到作图的代码如下：

安装

安装方式有两种

#直接从CRAN中安装
install.packages("ggseqlogo")
#从GitHub中安装
devtools::install.github("omarwagih/ggseqlogo")

数据加载

ggseqlogo提供了测试数据ggseqlogo_sample。

#加载包
library(ggplot2)
library(ggseqlogo)
#加载数据
data(ggseqlogo_sample)

ggseqlogo_sample数据集是一个列表，里面包含了三个数据集：

  • seqs_dna:12种转录因子的结合位点序列

  • pfms_dna:四种转录因子的位置频率矩阵

  • seqs_aa:一组激动酶底物磷酸化位点序列

#seqs_dna
head(seqs_dna)[1]
## $MA0001.1
##  [1] "CCATATATAG" "CCATATATAG" "CCATAAATAG" "CCATAAATAG" "CCATAAATAG"
##  [6] "CCATAAATAG" "CCATAAATAG" "CCATATATGG" "CCATATATGG" "CCAAATATAG"
#pfms_dna
head(pfms_dna)[1]
## $MA0018.2
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
## A    0    0   11    0    1    0    2    8
## C    1    1    0    9    0    3    7    0
## G    1   10    0    2   10    0    1    1
## T    9    0    0    0    0    8    1    2
#seqs_aa
head(seqs_aa)[1]
## $AKT1
##   [1] "VVGARRSSWRVVSSI" "GPRSRSRSRDRRRKE" "LLCLRRSSLKAYGNG"
##   [4] "TERPRPNTFIIRCLQ" "LSRERVFSEDRARFY" "PSTSRRFSPPSSSLQ"

外部数据读入

也可以用自己的数据集，支持两种格式，序列和**矩阵**。

# 长度为7的motif。每一行为一条序列，长度相同，每一列的碱基组成代表对应位置的碱基偏好性。
fasta = "ACGTATG
ATGTATG
ACGTATG
ACATATG
ACGTACG"

fasta_input <- read.table(fasta, header=F, row.names=NULL)
fasta_input <- as.vector(fasta_input$V1)

# 长度为5的motif矩阵示例，每一列代表一个位置，及碱基在该位置的出现次数。共4行，每一行代表一种碱基
matrix <- "Base    1    2    3    4    5
A    10    2    0    8    1
C    1    12    1    2    3
G    4    0    9    1    1
T    0    0    0    1    9
"
matrix_input <- read.table(matrix, header=T, row.names=1)
matrix_input <- as.matrix(matrix_input)

可视化

ggplot()+geom_logo(seqs_dna$MA0001.1)+theme_logo()

image

ggseqlogo提供了一个直接绘图的函数ggseqlogo(),这是一个包装函数。下面命令结果同上面的。

ggseqlogo(seqs_dna$MA0001.1)

输入格式

ggseqlogo支持以下几种类型数据输入：

  • 序列

  • 矩阵

下面是使用数据中的位置频率矩阵生成的seqlogo

ggseqlogo(pfms_dna$MA0018.2)

image

方法

ggseqlogo通过method选项支持两种序列标志生成方法：bits和probability。

p1 <- ggseqlogo(seqs_dna$MA0001.1, method="bits")
p2 <- ggseqlogo(seqs_dna$MA0001.1, method="prob")
gridExtra::grid.arrange(p1,p2)

image

序列类型

ggseqlogo支持氨基酸、DNA和RNA序列类型，默认情况下ggseqlogo会自动识别数据提供的序列类型，也可以通过seq_type选项直接指定序列类型。

ggseqlogo(seqs_aa$AKT1, seq_type="aa")

image

自定义字母

通过namespace选项来定义自己想要的字母类型

#用数字来代替碱基
seqs_numeric <- chartr("ATGC", "1234", seqs_dna$MA0001.1)
ggseqlogo(seqs_numeric, method="prob", namespace=1:4)

image

配色

ggseqlogo可以使用col_scheme参数来设置配色方案，具体可参考?list_col_schemes

ggseqlogo(seqs_dna$MA0001.1, col_scheme="base_pairing")

image

自定义配色

ggseqlogo提供函数make_col_scheme来自定义离散或者连续配色方案

离散配色

csl <- make_col_scheme(chars = c("A","T", "C", "G"), groups = c("gr1","gr1", "gr2","gr2"), cols = c("purple","purple","blue","blue"))
ggseqlogo(seqs_dna$MA0001.1,col_scheme=csl)

image

连续配色

cs2 <- make_col_scheme(chars = c("A", "T", "C", "G"), values = 1:4)
ggseqlogo(seqs_dna$MA0001.1, col_scheme=cs2)

image

同时绘制多个序列标志

ggseqlogo(seqs_dna, ncol = 4)

image

上述命令实际上等同于

ggplot()+geom_logo(seqs_dna)+theme_logo()+  
facet_wrap(~seq_group,ncol = 4,scales = "free_x")

自定义高度

通过创建矩阵可以生成每个标志的高度，还可以有负值高度

set.seed(1234)
custom_mat <- matrix(rnorm(20), nrow = 4, dimnames = list(c("A","T","C", "G")))
ggseqlogo(custom_mat,method="custom",seq_type="dna")+
  ylab("my custom height")

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rjr2EXDX-1575035154190)(https://upload-images.jianshu.io/upload_images/7071112-30edfcbcc2326c29?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]

字体

可以通过font参数来设置字体，具体可参考?list_fonts

fonts <- list_fonts(F)
p_list <- lapply(fonts, function(f){
  ggseqlogo(seqs_dna$MA0001.1,font=f)+ggtitle(f)
})
do.call(gridExtra::grid.arrange,c(p_list, ncol=4))

image

注释

注释的话跟ggplot2是一样的

ggplot()+
  annotate("rect", xmin = 0.5, xmax = 3.5, ymin = -0.05, ymax = 1.9, alpha=0.1, col="black", fill="yellow")+
  geom_logo(seqs_dna$MA0001.1, stack_width = 0.9)+
  annotate("segment", x=4, xend = 8, y=1.2, yend = 1.2, size=2)+
  annotate("text", x=6, y=1.3, label="Text annotation")+
  theme_logo()

image

图形组合

将ggseqlogo生成的图形与ggplot2生成的图形组合在一起。

p1 <- ggseqlogo(seqs_dna$MA0008.1)+theme(axis.text.x = element_blank())
aln <- data.frame(
  letter=strsplit("AGATAAGATGATAAAAAGATAAGA", "")[[1]],
  species=rep(c("a","b","c"), each=8),
  x=rep(1:8,3)
)
aln$mut <- "no"
aln$mut[c(2,15,20,23)]="yes"
p2 <- ggplot(aln, aes(x, species)) +
  geom_text(aes(label=letter, color=mut, size=mut)) +
  scale_x_continuous(breaks=1:10, expand = c(0.105, 0)) + xlab('') +
  scale_color_manual(values=c('black', 'red')) +
  scale_size_manual(values=c(5, 6)) +
  theme_logo() +
  theme(legend.position = 'none', axis.text.x = element_blank())
bp_data <- data.frame(
  x=1:8,
  conservation=sample(1:100, 8)
)
p3 <- ggplot(bp_data, aes(x, conservation))+
  geom_bar(stat = "identity", fill="grey")+
  theme_logo()+
  scale_x_continuous(breaks = 1:10, expand = c(0.105, 0))+
  xlab("")
suppressMessages(require(cowplot))
plot_grid(p1,p2,p3,ncol = 1, align = "v")

image

严涛：浙江大学，作物遗传育种在读博士。爱鼓捣各种可视化软件，爱折腾。点击阅读原文跳转其博客。

更多数据可视化可参考在线工具：http://www.ehbio.com/ImageGP/

image

生信宝典
关注
使用ggseqlogo可视化motif
庐州月光的博客
04-10 1620
欢迎关注”生信修炼手册”!ggseqlogo是一个motif可视化的R包，可以看做是seqLogo的加强版。除了基本的创建sequencelogo的功能，新增了许多自定义的选项，灵活性...
利用ggseqlogo绘制seqlogo图
R语言中文社区
03-14 6008
作者简介Introductiontaoyan：伪码农，R语言爱好者，爱开源。个人博客: https://ytlogos.github.io/公众号：生信大讲堂往期回顾R语言可视化学习笔记之相关矩阵可视化包ggcorrplotR语言学习笔记之相关性矩阵分析及其可视化ggplot2学习笔记系列之利用ggplot2绘制误差棒及显著性标记ggplot2学习笔记系列之主题（theme）设置用circlize
Gganimate包来展示各国人均GDP与人均寿命之间的关系
最新发布
2301_79425796的博客
08-27 812
Gganimate是 R 语言中一个强大的包，用于为ggplot2创建动态可视化效果。本文将深入解析如何利用gganimate包和gapminder数据集创建一个更加复杂和丰富的动画，展示各国人均GDP与人均寿命之间的关系。我们将通过分步讲解代码的增强部分，帮助你理解如何在静态图形中加入动态元素，从而提升数据的可视化表现力。
ggseqlogo
jiangshandaiyou的博客
12-04 188
sequence logo图用来可视化一段序列某个位点的保守性，据根提供的序列组展示位点信息。这方面有很多在线小工具可以完成，这里使用R包ggseqlogo进行可视化。下面是使用数据中的位置频率矩阵生成的seqlogo。
R语言读入FASTA 蛋白质序列文件 & 生成SeqLogo
热门推荐
本然233的博客
05-10 1万+
文章目录一、效果展示1. FASTA文件蛋白质序列文件2. 数据可视化二、使用R语言实现1、读入FASTA文件：R语言-Biostrings包1.1 安装：1.2 使用2. 绘制seq logo图：R语言-ggseqlogo包2.1 安装2.2 读数据2.3 可视化2.4 自定义3. Demo三、使用在线工具[Weblogo](http://weblogo.threeplusone.com/cre...
使用seqLogo可视化motif
庐州月光的博客
04-09 2325
欢迎关注”生信修炼手册”!seqLogo是一个bioconductor上的R包，专门用于DNA序列的motif可视化，网址如下https://www.bioconductor.org/p...
跟着Bioinformatics学作图 | Seqlogo图绘制
BioinfoDu
05-18 654
这个教程80%的分析都是基于TBtools，非常适合我们做基因家族的小白。那么，最近又在做一些相关的优化。今天在做Seqlogo图，也就查了一些教程，也做个记录吧。ggseqlogo包发表在Bioinformatic期刊中，使用相对简洁、方便，但是感觉批量绘制时颜色很难修改(PS:应该自己参数没使用对)。，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；在meme网址中也也给你Seqlogo图，可以直接使用，只是需要手动组图。更详细的内容你可以看的包帮助文档！
r语言npsurv_用R进行gwas meta分析,原来如此简单
weixin_30476033的博客
01-12 1355
在生物信息数据分析中，R语言是必备技能，简洁的语法，丰富的生态，美观的可视化，种种优势使得其成为该领域中使用最广泛的编程语言之一。用R进行meta分析当然也是可以的，本文要介绍的R包rmeta, 就是其中之一，可以用于gwas meta分析，支持随机效应模型和固定效应模型，官方文档如下https://cran.r-project.org/web/packages/rmeta/rmeta.pdf作为...
使用R分析细菌基因序列且转为蛋白质序列并可视化的具体步骤
06-03
可以使用`ggplot2`包中的`ggseqlogo`函数绘制序列的氨基酸分布情况，例如： ``` library(ggplot2) library(seqLogo) df (seq = as.character(aa_seq)) ggseqlogo(df, ylab = "Bits", size = 3, color_scheme = ...
如何使用R将细菌蛋白质序列可视化
06-06
这个包可以生成高质量的序列标志图，这些标志图可以帮助我们分析蛋白质序列的保守性和变异性。 下面是一些简单的指南： 1. 下载并安装ggseqlogo包。你可以使用以下命令在R中安装： ```R install.packages(...
用R进行gwas meta分析,原来如此简单
庐州月光的博客
10-26 4148
欢迎关注”生信修炼手册”!在生物信息数据分析中，R语言是必备技能，简洁的语法，丰富的生态，美观的可视化，种种优势使得其成为该领域中使用最广泛的编程语言之一。用R进行meta分析当然也是可...
ggmotif:在ggplot中添加DNA序列基序
05-12
ggmotif 在ggplot中添加DNA序列基序 受到seqLogo Bioconductor软件包的启发，并以其为基础。 在ggplot2框架中绘制DNA序列基序。 使用devtools::install_github安装（不在CRAN上）。 创建独立图，或在特定位置以特定大小在ggplot中添加序列徽标。 library(ggmotif) #> Loading required package: ggplot2 ggmotif_plot("ACGWRT") 也可以使用位置频率矩阵代替字符串： mat = Biostrings::consensusMatrix("ACGWRT") mat #> [,1] [,2] [,3] [,4] [,5] [,6] #> A 1 0 0 0 0 0 #> C 0 1 0
seqlogo generator：生成一个序列logo作为真彩色数组。-matlab开发
05-30
生物信息学工具箱中的 seqlogo 工具生成了很好的序列标识，遗憾的是它们不能合并到其他程序中。 此例程生成 DNA 序列徽标作为原始图像。
生信绘图：在线绘制 序列 Logo 图
Ningbo_JiaYT的博客
12-16 4733
本文介绍通过 WebLogo网站 在线绘制 序列 Logo 图（序列分析图）。
生信小知识 | S​eqlogo图快速绘制的必备技能
Pangenes的博客
05-05 999
R语言绘制WeblogoTbtools得到图片也非常漂亮，基本可以直接使用了。
生信漫谈如何画出美美的SeqLogo图
Pangenes的博客
11-30 1048
勾选右边的Download to local drive，标题名字，序列的bar都可以自行选择，图片的输出格式有png，PDF，可以根据自己的选择进行下载就行。点击上面的红色圈圈创建，在空白窗口输入SeqLogo图的序列，这些序列一般是通过chip-seq，或者其他网站预测得到的序列。以上三种方法亲测有效，大家根据自己需求进行绘图，祝大家科研少走弯路，早日发paper！画出美美的SeqLogo图，下面介绍三种不同的方法，适用不同的人群的需求。点击开始，保存图片即可，也是有多种输出格式可以进行选择。
生物碱基序列分形绘图
人生易老天难老
06-29 2221
题目： 画出一个随机产生的基因碱基序列中四个碱基A, G, T, 和C组成数量为k（k=3）的碱基链组合在其中的概率分步图，例如下图： 实现思路及步骤(Matlab实现)： 理论上，主要有两个困难，一是以四个碱基分布的概率去随机产生四个碱基之一，为便于整体的设计，用四进制的0,1,2,3分别代表四个碱基A,G,T,C,本报告采用利用rand()函数设计了新的函数RandHere()，具体调用方法是 RandGetted = RandHere(Pofbase)； Pofbase是一个四维向量，为四个碱基的分
（五）R语言入门生物信息学——ORF和序列分析
EricFrenzy的博客
08-06 4967
注：本博客旨在分享个人学习心得，有不规范之处请多多包涵！ 目录概念介绍找ORF的代码实现结束语 概念介绍 在人体内，为了表达DNA上的基因，这个基因包含的DNA在被转录为pre-mRNA后经过进一步处理成为成熟的mRNA，mRNA紧接着会被核糖体用来合成蛋白质，从而控制生物体的反应。在mRNA上，每三个碱基组成一个密码子，对应一种氨基酸。下图为密码子与氨基酸的对照表： 要合成一个正常的蛋白质，mRNA序列上的两端需要分别有一个起始密码子（图上标为start）和一个终止密码子（图上标为stop）。但在DNA
序列比较（下篇）
qq_40459859的博客
06-04 2091
多序列比对介绍 多序列比对，指对两条以上的生物序列进行全局比对。 多序列比对的用途 确认：一个未知的序列是否属于某个家族。 建立：系统发生树，查看物种间或者序列间的关系。 模式识别：一些特别保守的序列片段往往对应重要的功能区域，通过多序列比对，可以找到这些保守的片段。 已知推未知：把已知有特殊功能的序列片段通过多序列比对做成模型，然后根据该模型推测未知的序列是否也具有该功能。 其他：预测蛋白质/RNA的二级结构。 多序列比对的算法 目前所有的多序列比对工具都不是很完美的，它们都使用一种近似的
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生信宝典

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值