Pathview包教程|2.学习Pathview函数以及结果输出形式

之前我们对pathview包有了一个初步的了解，并学习了如何快速上手这个包，今天我们来进一步学习这个包的功能。

1.主函数pathveiw()

pathview()函数是包中最重要的函数，因此为了更熟练使用这个包，我们应该对这个函数做一个全面的了解。

该函数的主要参数如下：

pathview(gene.data = NULL,
         cpd.data = NULL, 
         pathway.id,
         species = "hsa", 
         kegg.dir = ".", 
         cpd.idtype = "kegg", 
         gene.idtype = "entrez", 
         gene.annotpkg = NULL, 
         min.nnodes = 3, 
         kegg.native = TRUE,
         map.null = TRUE, 
         expand.node = FALSE, 
         split.group = FALSE, 
         map.symbol = TRUE, 
         map.cpdname = TRUE, 
         node.sum = "sum", 
         discrete=list(gene=FALSE, cpd=FALSE), 
         limit = list(gene = 1, cpd = 1), 
         bins = list(gene = 10, cpd = 10), 
         both.dirs = list(gene = T, cpd = T),
         trans.fun = list(gene = NULL, cpd = NULL), 
         low = list(gene = "green", cpd = "blue"), 
         mid = list(gene = "gray", cpd = "gray"), 
         high = list(gene = "red", cpd = "yellow"), 
         na.col = "transparent", 
         ...)

我也对所有参数的含义做了简要注释，表格如下。大家可以快速浏览一遍，有个印象。在实际使用过程中或是看下面的讲解时对某些参数有疑惑，可以返回来看看。

参数	意义或用途
gene.data = NULL,	输入的时数据。 向量（单样本）或类似矩阵的数据（多样本）。向量应该是数字，以基因ID作为命名，也可以是基因ID的字符。字符向量被视为离散或计数数据。
cpd.data = NULL,	化合物的数据，与gene.data类似。ID要与KEGG compound ID相对应。
pathway.id,	要展示的或要映射的通路，通常使用5个字符的KEGG ID
species = "hsa",	物种信息，默认为人类
kegg.dir = ".",	结果图保存的地址，默认为当前的工作路径
cpd.idtype = "kegg",	化合物数据中使用的ID类型，默认为标准的KEGG化合物ID，包括化合物、聚糖以及药物的ID
gene.idtype = "entrez",	基因数据中使用的基因ID类型，默认为标准的KEGG基因ID
gene.annotpkg = NULL,	其他的基因注释包，用于ID转换，一般情况下不使用
min.nnodes = 3,	通路图最小的节点数
kegg.native = TRUE,	当为TRUE时，结果图是KEGG原始图，png格式；当为FALSE时，结果图是由Graphviz引擎绘制，pdf格式。
map.null = TRUE,	是否要在通路图上绘制NULL数据，当 kegg.native = TRUE才会产生影响
expand.node = FALSE,	在 kegg.native = FALSE时，是否将多个基因节点变为一个基因节点，此节点会继承其它节点的所有关系
split.group = FALSE,	在 kegg.native = FALSE时，是否将属于同一基因节点的基因分为数个节点
map.symbol = TRUE,	在 kegg.native = FALSE时，在结果图中是否将ID转换为Symbol。在 kegg.native = TRUE时，默认使用KEGG ID
map.cpdname = TRUE,	在 kegg.native = FALSE时，在结果图中是否将ID转换为标签。在 kegg.native = TRUE时，默认使用KEGG ID
node.sum = "sum",	当多个基因或化合物对应同一个节点时，用什么方法处理数据。默认为求和。其他还有平均值或中位数等
discrete=list(gene=FALSE, cpd=FALSE),	一个包含两个逻辑值的列表；取决于基因或化合物中的数据是连续性变量还是分离型变量
limit = list(gene = 1, cpd = 1),	一个列表；决定基因和化合物数据在图像中的图例数值范围
bins = list(gene = 10, cpd = 10),	一个列表；决定基因和化合物数据图例分成几度
both.dirs = list(gene = T, cpd = T),	一个包含两个逻辑值的列表；取决于数据是单方向性（如0~1）的还是双方向性的（如-1~1）
trans.fun = list(gene = list(gene = "gray", cpd = "gray"),	一个列表；决定如何处理基因和化合物数据，可以用log、abs函数，或其它自定义函数
low = list(gene = "green", cpd = "blue"),	一个列表；决定了基因数据和化合物数据图例中最低值的颜色
mid = list(gene = "gray", cpd = "gray"),	一个列表；决定了基因数据和化合物数据图例中中间值的颜色
high = list(gene = "red", cpd = "yellow"),	一个列表；决定了基因数据和化合物数据图例中最高值的颜色
na.col = "transparent",	NA数据的填充颜色

2.输出形式

Pathview在通路图数据的可视化时有两种输出格式，分别是原始的KEGG视图和Graphviz视图。

• 前者将用户的数据呈现在原始的KEGG路径图上，因此很自然，更容易阅读，使用的也是默认的KEGG ID，输出的图像时PNG格式。

• 后者使用Graphviz引擎布置路径图；因此可以更好地控制节点或边的属性和路径拓扑结构，输出的图像时PDF格式。在使用时可以根据实际需要选择合适的输出格式。

此外Pathview的绘图可以调整图层，来加速图像的生成。下面我们分别学习一下使用方法：

2.1two-layer graph，两个图层绘图

在之前的例子中，我们绘制的图像只有一个图层，节点颜色在原始KEGG图上被修改，而原始的KEGG节点标签（节点名称）则保持不变，即显示的是基因的KEGG ID。这样能使输出的图像最小，但是相对的计算时间就会变长。

如果我们不在意大小，只想快点看到结果，可以设置same.layer = FALSE参数，这样相应的节点颜色和标签会添加在另一个图层当中，速度有很大提升。此时图像上的的KEGG基因标签会变成gene symbols，也更符合我们的平时的习惯。

pv.out <- pathview(gene.data = gse16873.d[, 1], pathway.id = demo.paths$sel.paths[i],
 species = "hsa", out.suffix = "gse16873.2layer", kegg.native = T,
 same.layer = F)

在我们设置same.layer=FALSE后，结果如下：

2.2 Graphviz输出形式

除了最原始的KEGG形式的通路图，我们还可以使用Graphviz视图，设置kegg.native = FALSE即使用Graphvis。后者使用Graphviz引擎布置通路图；因此可以更好地控制节点或边的属性和路径拓扑结构。更重要的是，它的输出是PDF格式的向量图。代码如下：

#Graphviz view: gene data only
pv.out <- pathview(gene.data = gse16873.d[, 1], 
                   pathway.id = demo.paths$sel.paths[i], 
                   species = "hsa", 
                   out.suffix = "gse16873",
                   kegg.native = FALSE,                 #设置kegg.native = FALSE即使用Graphvis
                   sign.pos = demo.paths$spos[i])

结果图如下：

• 在这个例子中，所有的内容同样是被放入到一个图层当中

• 由于节省空间，默认是只显示了线条的图例

• 如果相要单独显示节点的图例或是分开图层，同样设置same.layer=FALSE即可

2.2.1 split group

在Graphviz视图中，我们能对图像做更多的控制。比如我们可以将一群节点各自分开；或者将多个基因节点合成一个。这些分离或者聚合的节点会继承之前与未改变的节点间的连接线条。这样就可以得到一个基因或是蛋白质交互网络。只要设置split.group（单个基因节点拆分成数个）或是expand.node（多个基因节点合并）参数即可。

我们先只设置split.group = TRUE来看一下拆分含有多个基因的节点后的效果。

# split group
pv.out1 <- pathview(gene.data = gse16873.d[, 1], 
                   pathway.id = demo.paths$sel.paths[i],
                   species = "hsa", 
                   out.suffix = "gse16873.split", 
                   kegg.native = F,
                   sign.pos = demo.paths$spos[i], 
                   split.group = T)


> dim(pv.out1$plot.data.gene)
[1] 92 10

结果如下：

2.2.2 split + expand.node

我们同时设置split.group = TRUE和expand.node = TRUE

# split + expand.node
pv.out2 <- pathview(gene.data = gse16873.d[, 1], 
                   pathway.id = demo.paths$sel.paths[i],
                   species = "hsa", 
                   out.suffix = "gse16873.split.expanded", 
                   kegg.native = F,
                   sign.pos = demo.paths$spos[i], 
                   split.group = T, 
                   expand.node = T)


> dim(pv.out2$plot.data.gene)
[1] 126  10

结果如下：

注意在传统的KEGG通路图上，一个基因节点有时包含则多个有类似功能作用的基因或蛋白质，将它们合并到一起是为了图像简洁明了。所以pathview函数默认上不会将节点分开，而是通过总结基因数据再展示到对应节点上。使用者可以通过node.sum参数来定义整合这些在同一节点上的基因的数据的方法。

3. 小结

今天我们主要是对包中给的主函数pathview()做了一个全面的了解。此外我们还学习了Pathview包输出通路图时的两种形式：原始KEGG通路图和Graphviz格式的通路图。最后我们还学习了通路图拆分以及合并节点的方法。