染色体可视化神包——RIdeogram

已于 2024-10-17 09:37:26 修改
阅读量3.7k 收藏 29
点赞数 20
文章标签： 生物 医药 编程
于 2024-10-17 09:11:54 首次发布
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/weixin_47195452/article/details/142997238
版权

一、写在前面

此前我们也分享过类似功能的R包，与Rcircos将信息花在圆环上不同，RIdeogram可用于利用基因组相关数据在染色体上绘制相关信息，文章收录在Hao Z, Lv D, Ge Y, Shi J, Weijers D, Yu G, Chen J. 2020. RIdeogram: drawing SVG graphics to visualize and map genome-wide data on the idiograms. PeerJ Comput. Sci. 6:e251。总体上来说这个包的用法很简单，其只包含三个函数：ideogram、convertSVG、GFFex。可视化集锦可见：

图片

二、图文教程

# 安装包：
install.packages("devtools")
devtools::install_github('TickingClock1992/RIdeogram')
library(RIdeogram)
## Warning: 程辑包'RIdeogram'是用R版本4.3.3 来建造的

一、测试数据

如果以下数据你都无法正常加载，可以先加载一下我保存的镜像：

load('biomamba.rdata')

我们来看一下这个包内置的几个测试数据：
karyotype数据如同他的名字一样，包含了染色体核型数据，一共包含五列，第一列是染色体ID，第二列和第三列是对应染色体的起始位点和终止位点，第三列和第四列是染色体对应着丝粒的起始位点和终止位点(最后两列着丝粒信息可以省略，必要的是前三列)。

data(human_karyotype, package="RIdeogram")
head(human_karyotype)
##   Chr Start       End  CE_start    CE_end
## 1   1     0 248956422 122026459 124932724
## 2   2     0 242193529  92188145  94090557
## 3   3     0 198295559  90772458  93655574
## 4   4     0 190214555  49712061  51743951
## 5   5     0 181538259  46485900  50059807
## 6   6     0 170805979  58553888  59829934

gene_density这里就是各位想要绘制的信息（mydata），一般包含四列，第一列为染色体ID，第二列和第三列是对应数据(例如你做的是WGBS的DMR差异分析，那这里的起始位点就是对应DMR窗口的起始位点)的起始位点和终止位点，第四列代表的就是这个位点对应的填充值（这里是对应区段的基因密度，如果拿WGBS举例，那就是甲基化的差异倍数）

data(gene_density, package="RIdeogram")
head(gene_density)
##   Chr   Start     End Value
## 1   1       1 1000000    65
## 2   1 1000001 2000000    76
## 3   1 2000001 3000000    35
## 4   1 3000001 4000000    30
## 5   1 4000001 5000000    10
## 6   1 5000001 6000000    10
# 基因密度文件也可以由GFF文件自动生成：
download.file('ftp://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_human/release_32/gencode.v32.annotation.gff3.gz','gencode.v32.annotation.gff3.gz')
gene_density <- GFFex(input = "gencode.v32.annotation.gff3.gz",# gff注释文件
                      karyotype = "human_karyotype.txt", feature = "gene", # 以基因一列计算密度
                      window = 1000000)# 计算基因密度的窗口大小

Random_RNAs_500文件主要记录标签信息(mydata_interval)，这里的测试文件共包含六列；第一列为标签类型，第二列是标签对应的形状，第三列是染色体名称，第四列和第五列是对应数据在染色体上的起始位点和终止位点，第六列是希望标记的对应颜色。

data(Random_RNAs_500, package="RIdeogram")
head(Random_RNAs_500)
##    Type    Shape Chr    Start      End  color
## 1  tRNA   circle   6 69204486 69204568 6a3d9a
## 2  rRNA      box   3 68882967 68883091 33a02c
## 3  rRNA      box   5 55777469 55777587 33a02c
## 4  rRNA      box  21 25202207 25202315 33a02c
## 5 miRNA triangle   1 86357632 86357687 ff7f00
## 6 miRNA triangle  11 74399237 74399333 ff7f00

当然，以上文件你也可以自己DIY制作，只要保证各文件的染色体名称、起始位点能够一一对应的上即可。

二、染色体图绘制

ideogram便是RIdeogram的核心可视化函数，遗憾的是这个函数不能将图片直接输出到Rstudio的画布中，而是输出到本地svg图片：

ideogram(karyotype = human_karyotype,# 染色体"底图"
         output = "chromosome_1.svg")
# 将svg图片转换为png：
convertSVG("chromosome_1.svg", device = "png",file = 'chromosome_1.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

RIdeogram默认生成svg图片

svg2tiff("chromosome.svg",# 输入图片路径
         file = 'output.tiff', # 输出图片路径
            dpi = 300# 输出图片质量
         )
svg2pdf("chromosome.svg",# 输入图片路径
         file = 'output.pdf', # 输出图片路径
            dpi = 300# 输出图片质量
        )
svg2jpg("chromosome.svg",# 输入图片路径
         file = 'output.jpg', # 输出图片路径
            dpi = 300# 输出图片质量
        )
svg2png("chromosome.svg",# 输入图片路径
         file = 'output.png', # 输出图片路径
            dpi = 300# 输出图片质量
        )

就像我们上面说的，human_karyotype可以仅包含三列，着丝粒信息不是必须的：

ideogram(karyotype = human_karyotype[,1:3],# 染色体"底图"
         output = "chromosome_2.svg")
# 将svg图片转换为png：
convertSVG("chromosome_2.svg", device = "png",,file = 'chromosome_2.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

# 把基因密度以热图的形式绘制在染色体上：
ideogram(karyotype = human_karyotype, overlaid = gene_density,output = 'chromosome_genedensity_3.svg')
convertSVG("chromosome_genedensity_3.svg", device = "png",file = 'chromosome_genedensity_3.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

在上图中，可以进一步加入大家想要的标签，这里加入的是RNA的类型：

ideogram(karyotype = human_karyotype, label = Random_RNAs_500, label_type = "marker",output = 'chromosome_label_4.svg')
convertSVG("chromosome_label_4.svg", device = "png",file = 'chromosome_label_4.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

热图和自定义标签可以同时在ideogram中生效：

ideogram(karyotype = human_karyotype, overlaid = gene_density, label = Random_RNAs_500, label_type = "marker",output = 'chromosome_5.svg')
convertSVG("chromosome_5.svg", device = "png",file = 'chromosome_5.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

热图的颜色范围也可以自定义：

ideogram(karyotype = human_karyotype, overlaid = gene_density, label = Random_RNAs_500, label_type = "marker", 
         colorset1 = c("#fc8d59", "#ffffbf", "#91bfdb"# 自定义颜色
         ),output='chromosome_6.svg')
convertSVG("chromosome_6.svg", device = "png",file = 'chromosome_6.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

有时你可能只希望展示部分的染色体，或者说你的物种只有部分的染色体，那么你可以过滤数据并调整图片宽度：

library(dplyr)
## Warning: 程辑包'dplyr'是用R版本4.3.3 来建造的
## 
## 载入程辑包：'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

# 取出染色体1~10的数据：
filter_human_karyotype <-  human_karyotype %>% filter(Chr %in% 1:10)
# 调整宽度前：
ideogram(karyotype = filter_human_karyotype, overlaid = gene_density, label = Random_RNAs_500, 
         label_type = "marker",output = 'chromosome_7.svg')
convertSVG("chromosome_7.svg", device = "png",file = 'chromosome_7.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

ideogram(karyotype = filter_human_karyotype,# 过滤数据，后面gene_density与Random_RNAs_500中的数据也会自动与human_karyotype对齐
         overlaid = gene_density, label = Random_RNAs_500, label_type = "marker", width = 100,output = 'chromosome_8.svg')
convertSVG("chromosome.svg", device = "png",file = 'chromosome_8.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

如果你希望调整标签的位置，可以通过Lx和Ly来完成，这两个值分别是与左上角位置的X方向、Y方向距离

ideogram(karyotype = human_karyotype, overlaid = gene_density, label = Random_RNAs_500, label_type = "marker", width = 100, 
         Lx = 80, # X方向的距离
         Ly = 25, # Y方向的距离
         output = 'chromosome_9.svg') 
convertSVG("chromosome_9.svg", device = "png",file = 'chromosome_9.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

标签数据也可以用另一个热图来展示，与基因密度做对比：

ideogram(karyotype = human_karyotype, overlaid = gene_density, label = LTR_density, label_type = "heatmap", colorset1 = c("#f7f7f7", "#e34a33"), colorset2 = c("#f7f7f7", "#2c7fb8"),output = 'chromosome_10.svg') #use the arguments 'colorset1' and 'colorset2' to set the colors for gene and LTR heatmaps, separately.
convertSVG("chromosome_10.svg", device = "png",file = 'chromosome_10.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

标签数据也可以做折线图展示：

# 这里我们加载一个新的测试数据：
data(liriodendron_karyotype, package="RIdeogram") # karyotype data，这个数据集包含了Liriodendron，即黄连木属，的染色体信息，
head(liriodendron_karyotype)
##   Chr Start       End
## 1   1     0 118073833
## 2   2     0  98364873
## 3   3     0 207093695
## 4   4     0  50051714
## 5   5     0  45443526
## 6   6     0  35772468
data(Fst_between_CE_and_CW, package="RIdeogram") #用于绘制热图的数据，这里是Fixation Index信息
head(Fst_between_CE_and_CW)
##   Chr   Start     End     Value
## 1   1       1 2000000 0.0646357
## 2   1 1000001 3000000 0.0626714
## 3   1 2000001 4000000 0.0582397
## 4   1 3000001 5000000 0.0679570
## 5   1 4000001 6000000 0.0965196
## 6   1 5000001 7000000 0.0934111
data(Pi_for_CE, package="RIdeogram") #用于绘制折线图的数据，这里是同染色体区域内的核苷酸多样性
head(Pi_for_CE)
##   Chr   Start     End      Value  Color
## 1   1       1 2000000 0.00273566 fc8d62
## 2   1 1000001 3000000 0.00239580 fc8d62
## 3   1 2000001 4000000 0.00319407 fc8d62
## 4   1 3000001 5000000 0.00286900 fc8d62
## 5   1 4000001 6000000 0.00186596 fc8d62
## 6   1 5000001 7000000 0.00186182 fc8d62

绘制折线图标签：

ideogram(karyotype = liriodendron_karyotype, overlaid = Fst_between_CE_and_CW, label = Pi_for_CE, label_type = "line", colorset1 = c("#e5f5f9", "#99d8c9", "#2ca25f"),output = 'chromosome_11.svg')
convertSVG("chromosome_11.svg", device = "png",file = 'chromosome_11.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

甚至可以绘制两条折线图：

data(Pi_for_CE_and_CW, package="RIdeogram")
ideogram(karyotype = liriodendron_karyotype, overlaid = Fst_between_CE_and_CW, label = Pi_for_CE_and_CW, label_type = "line", colorset1 = c("#e5f5f9", "#99d8c9", "#2ca25f"),output = 'chromosome_12.svg')
convertSVG("chromosome_12.svg", device = "png",file = 'chromosome_12.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片


折线图也可以有填充：

ideogram(karyotype = liriodendron_karyotype, overlaid = Fst_between_CE_and_CW, label = Pi_for_CE_and_CW, 
         label_type = "polygon", # 设置多边形为填充方式
         colorset1 = c("#e5f5f9", "#99d8c9", "#2ca25f"),output = 'chromosome_13.svg')
convertSVG("chromosome_13.svg", device = "png",file = 'chromosome_13.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

三、多基因组对比

3.1 桑基图(用于两两比较)

### 需要用到新的数据：###

# 染色体背景数据：
data(karyotype_dual_comparison, package="RIdeogram")
head(karyotype_dual_comparison)# 第一列为染色体编号，第二、三列为起止位点，第四列是染色体填充颜色值，第五列是物种，第六列为物种label的大小，第七列为物种label的颜色
##   Chr Start      End   fill species size  color
## 1  I      1 23037639 969696   Grape   12 252525
## 2  II     1 18779884 969696   Grape   12 252525
## 3 III     1 19341862 969696   Grape   12 252525
## 4  IV     1 23867706 969696   Grape   12 252525
## 5   V     1 25021643 969696   Grape   12 252525
## 6  VI     1 21508407 0ab276   Grape   12 252525

# 这个数据中包含"Grape"  "Populus"两个物种的
table(karyotype_dual_comparison$species)
## 
##   Grape Populus 
##      19      19

# 对比数据：
data(synteny_dual_comparison, package="RIdeogram")
head(synteny_dual_comparison)# 第一列为物种1的区域编号，第二、三列为该区域的起止位点，四~六列同理，第七列为桑基图连线及对应区域填充颜色
##   Species_1  Start_1    End_1 Species_2 Start_2   End_2   fill
## 1         1 12226377 12267836         2 5900307 5827251 cccccc
## 2        15  5635667  5667377        17 4459512 4393226 cccccc
## 3         9  7916366  7945659         3 8618518 8486865 cccccc
## 4         2  8214553  8242202        18 5964233 6027199 cccccc
## 5        13  2330522  2356593        14 6224069 6138821 cccccc
## 6        11 10861038 10886821        10 8099058 8011502 cccccc

# 绘制起来很简单：
ideogram(karyotype = karyotype_dual_comparison, synteny = synteny_dual_comparison,output = 'sankey_chromosome.svg')
convertSVG("sankey_chromosome.svg", device = "png",file = 'sankey_chromosome.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片


## 3.2 三元比较

数据与桑基图部分类似，只不过变成了三个物种的数据：

data(karyotype_ternary_comparison, package="RIdeogram")
head(karyotype_ternary_comparison)
##   Chr Start      End   fill   species size  color
## 1  NA     1 15980527 fcb06b Amborella   10 fcb06b
## 2  NA     1 11522362 fcb06b Amborella   10 fcb06b
## 3  NA     1 11085951 fcb06b Amborella   10 fcb06b
## 4  NA     1 10537363 fcb06b Amborella   10 fcb06b
## 5  NA     1  9585472 fcb06b Amborella   10 fcb06b
## 6  NA     1  9414115 fcb06b Amborella   10 fcb06b
table(karyotype_ternary_comparison$species)
## 
##    Amborella        Grape Liriodendron 
##          100           19           19

data(synteny_ternary_comparison, package="RIdeogram")
head(synteny_ternary_comparison)
##   Species_1 Start_2   End_2 Species_2  Start_1    End_1   fill type
## 1         1 4761181 2609697         1   342802   981451 cccccc    1
## 2         6 6344197 8074393         1 15387184 16716190 cccccc    1
## 3        10 6457890 9052487         1 11224953 14959548 cccccc    1
## 4        13 6318795 1295413         1 20564870 21386271 cccccc    1
## 5        16 1398101 2884119         1 21108654 22221088 cccccc    1
## 6        16 1482529 2093625         1 21864494 22364888 cccccc    1

tail(synteny_ternary_comparison, n = 20)
##     Species_1  Start_2    End_2 Species_2  Start_1    End_1   fill type
## 571        16 19278042 20828694         2 95267449 93334736 cccccc    3
## 572        12 20546006 22461088         2 22647943 18365764 cccccc    3
## 573         4 22259262 23453956         2 15068249 17839485 cccccc    3
## 574        14 22377895 23821929         2 97299880 96033346 cccccc    3
## 575         6  1538773  2808373         1 91285578 95681546 cccccc    3
## 576        11  3381792  4954528         1 67689752 75286468 cccccc    3
## 577         9  4814481  6975840         1 69506847 76015710 cccccc    3
## 578        10  7091825  9742616         1 19333526 24516133 cccccc    3
## 579        13 22063957 23402389         1 95843870 92195256 cccccc    3
## 580         7   679765  1881756         6  7365421  7531534 e41a1c    1
## 581         7   679765  2752867        13   501561   766473 e41a1c    1
## 582         7   679765  3012501         8  7406703  8222490 e41a1c    1
## 583         7  2049369  2942034        14 29350547 34369929 e41a1c    2
## 584         7  2075095  1538540        10 28985737 30815217 e41a1c    2
## 585        13   531939   834472        14 28866243 35278211 e41a1c    3
## 586         8  7427221  8894821        14 28632063 34805893 e41a1c    3
## 587         6  7567597  7690342        14 32050301 34913801 e41a1c    3
## 588        13   501561   876423        10 30496700 27874100 e41a1c    3
## 589         6  7171014  7815454        10 31408837 27660041 e41a1c    3
## 590         8  5773528  9346871        10 31408837 26585934 e41a1c    3

可视化依然很简单：

ideogram(karyotype = karyotype_ternary_comparison, synteny = synteny_ternary_comparison,output = 'tri_chromosome.svg')
convertSVG("tri_chromosome.svg", device = "png",file = 'tri_chromosome.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

连线的颜色可以是渐变的：

data(synteny_ternary_comparison_graident, package="RIdeogram")
ideogram(karyotype = karyotype_ternary_comparison, synteny = synteny_ternary_comparison_graident, output = 'tri_chromosome_graident.svg')
convertSVG("tri_chromosome_graident.svg", device = "png",file = 'tri_chromosome_graident.png')
## Warning in checkValidSVG(doc, warn = warn): This picture may not have been
## generated by Cairo graphics; errors may result

图片

最后，保存所有数据的镜像备用：

save.image('biomamba.rdata')
基因组、染色体和基因水平上可视化拷贝数变异（CNVs）
LittleComputerRobot的博客
07-13 1887
基因组、染色体和基因水平上可视化拷贝数变异（CNVs）
探索基因世界的可视化神器：RIdeogram
gitblog_00051的博客
06-12 535
探索基因世界的可视化神器：RIdeogram 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在生物学的深邃领域中，基因数据的可视化至关重要。为此，我们向您推荐一款强大的R包——RIdeogram，它专为绘制SVG图形而设计，让您能够在idiograms上直观地展示和映射全基因组数据。通过使用RIdeogram，您可以轻松创建出清晰、详细且高度定制化的基因图谱。 项目技...
RIdeogram 染色体图谱可视化R包
菠萝西斯的博客
04-25 7729
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录一、RIdeogram 包二、使用方法 一、RIdeogram 包 由Guangchuang Yu与Jinhui Chen指导，Zhaodong Hao同学出品的R包。功能一目了然，就是在染色体上直接体现某些基因的value。 The R package RIdeogram allows users to build high-quality idiograms of any species of interest. It can
ideogram：染色体可视化的强大工具
gitblog_00552的博客
04-10 524
ideogram：染色体可视化的强大工具 ideogram Chromosome visualization for the web 项目地址: https://gitcode.com/gh_mirrors/id/ideogram...
R语言绘制染色体变异位置分布图，RIdeogram包
青笋的博客
09-17 4666
先从名为 "Ref_chromedata.txt" 的文件中读取数据，并将其存储在名为 df_chr_pos_cent 的数据框中，再选取某些列的内容，并将它们拼接成一个新的矩阵，自动计算每条染色体的起止位置和着丝粒的起止位置。这段代码的功能是对名为df_marker的数据框进行处理，首先选择其中的特定列（第1、7、8、9列），然后将这些列的数据类型转换为整数类型，接着从中删除chr列值不等于"Un"的行，最后重命名这些列为。如果两个字符不相等，函数将返回"diff"，表示不相等。
生信软件5 - RIdeogram包绘制染色体密度图
LittleComputerRobot的博客
05-17 1477
该R包在全基因组测序WGS中可以通过用于描述突变位点在染色体上的分布，在转录组测序RNA-Seq中可用于描述差异表达基因在染色体上的分布，在WGBS中可用于描述DNA甲基化在染色体上的分布等。
染色体可视化工具-生信工具40
weixin_44874487的博客
01-08 2224
MG2C (Map Gene to Chromosome) 是一个基因组数据可视化工具，主要用于将基因、标记、QTL 等功能性元素映射到染色体上。MG2C_v2.1 是其升级版本，提供了用户友好的界面和更多自定义选项。MG2C_v2.1 的输入数据通常是一个包含染色体编号、起始位置、结束位置和注释信息的表格。例如： 工具1，在线 MG2C_v2.1 可通过其官方网站访问并操作：MG2C_v2.1MapChart 是一种更通用的可视化工具，用于创建遗传或物理作图。它可以生成基因组遗传图（linkage
RIdeogram做多物种共线性分析
weixin_60892983的博客
12-13 495
我用RIdeogram做了三个物种的共线性分析，导入的是自定义物种的文件，但是到最后这里的时候就出现了这样的报错，怎么解决呢？
R语言ggplot2画图——将目标区间/位点/基因画到染色体上
sheepyulu的博客
04-09 1532
qtl_2.txt——目标区间文件，包含（染色体，起始位置，结束位置，以及与chr_length_2.txt相同的横坐标位置--chr_length_2.txt的横坐标位置在chr$x
r语言基因染色体分布
最新发布
04-24
根据之前的引用，用户提到了RIdeogram包、gggenes包，还有ggplot2的一些应用，比如绘制目标区间到染色体上。 用户的需求是分析基因分布，可能需要可视化，比如展示基因在染色体上的位置密度，或者比较不同染色体的...
MCScanX和RIdeogram—同物种不同品系间 共线性分析与可视化
Let's drink together
12-03 2618
coverage 即 (query.end - query.start +1 )/query.length ≥0.8。染色体编号须为数值，起始关系根据A_B.collinearity和gff文件可以提出。具体结果在这里有详细说明。
RIdeogram使用报错，这坑总有一个你会踩……
WLDLSW的博客
01-18 1355
end，value都是大写开头，包括需要准备的其他文件，文件名格式和列名一定要与RIdeogram示范文件一模一样！不是的哦，这个名称取决于上条命令设置的输入名称👇，默认是。哦，我亲爱的朋友们，这个报错看起来好像很严重，去看看工作路径，其实图已经出来了，这个。其实都是细节问题，列名设置和RIdeogram不一致。，如果要改输出名称，可以在convertSVG输出加参数。，或者直接去工作路径手动改运行出来的文件名吧。，或者在运行RIdeogram更改。2 ideogram导入数据报错。
ideogram:网络染色体可视化
04-28
表意文字 是一个用于JavaScript库。 Ideogram支持绘制，和全基因组数据集并设置动画效果。 用于注释的支持，，以及在分层的任意形状和颜色的点。 表意文字可以描述单倍体，或更高倍性的基因组（例如植物），以及非整倍性，和染色体之间的同源特征。 Ideogram可以作为可重用的组件嵌入任何网页或应用程序中，并利用D3.js和SVG来实现快速，清晰的客户端呈现。 您还可以将Ideogram与JavaScript框架（如Angular ， React和Vue ）以及数据科学平台（如R和Jupyter Notebook）集成。 查看实时示例，使用自己的部署启动和运行，浏览基本用法或深入了解完整的API ！ 还提供了更广泛的概述。 它讨论了Ideogram的染色体生物学，技术架构等。 安装 要直接链接到最新版本，请复制以下代码段： <script src="https://c
RectChr:矩形染色体上基因组统计变量的多级可视化
03-26
矩形 矩形染色体上基因组统计变量的多级可视化 1引言 RectChr主要用于基于Chr染色体水平上多层次的可视化工具，对一些统计变量用点，线，柱状和热图，高亮，文本文字，彩虹链接，连接以及结合颜色【即线，散点，直方图，热图，文本，线，散点/点，直方图，PairWiseLink，链接，热图（突出显示）和文本）可以自己组合自由修改相关参数，使用方法极像circos的一样。简单点说可以画的，这儿均可以画，只是把圈圈图替换长方型的。其中自己搭配层颜色等，同时也比circos多了一些替换配置，用起来十分简单，如SNP GC密度直接输入文件即可。可以画遗传图谱，binmap，基因组共线性，GC分布，群体遗传等选择区域，GWAS等等图。程序仅提供8个实例。程序是给一些有基础的生信朋友用的，若是小白看不懂就算了。 RectChr主要用于基于Chr染色体水平的多级可视化工具。 它使用点，线，直方图和热图，突
R 数据可视化 —— circlize 基因组高级绘图
dxs18459111694的博客
11-22 1258
在之前的章节中，我们介绍了如何在同一个轨迹中缩放某一区域，这种方式只适用于缩放区域较少的情况下，如果缩放的区域较多，那就需要另一种方式了，将缩放区域放置在一个新的轨迹中。函数，该函数接受两个绘图函数，其中一个用于绘制原始数据圆形图，另一个用于绘制缩放区域圆形图，我们可以在两个绘图函数中添加更加复杂的图形，例如，为缩放区域添加背景色。函数用于设置基因组区域的文本标签，标签的位置会自动调整，避免重叠。我们需要展示检测区域在整个基因组中的位置，并绘制检测区域中的。在图中，缩放数据绘制在原始数据的内侧，通过调换。
circos可视化手册-ideogram 篇
庐州月光的博客
11-07 1807
欢迎关注微信公众号《生信修炼手册》! circos 主要用于展示染色体上的相关数据，根据在染色上的位置进行不同方式的可视化。所以有一个前提，我们需要基于染色体的位置来看。 在circos中，染色体的位置保存在一个文件当中，通过karyotype参数进行设置，比如 染色体的位置保存在文件karyotype.human.txt中，部分内容如下： 采用\t分隔，共7列内容。前两列内容是规定的，都是c...
RCircos包绘制染色体模式图_2020-04-01
孤星夜神的博客
04-01 5595
## 1.设置当前工作目录 setwd("./RCircos") ## 2.安装和导入R包：RCircos # install.packages("RCircos") library("RCircos") ## 3.RCircos包简要信息 ### 3.1 DESCRIPTION # Package: RCircos # Type: Package # Title: Circos...
精选|2019年1月R新包推荐
R语言中文社区
03-03 1006
作者：Joseph Rickert翻译：黄小伟，10年资深数据矿工。目前就职杭州有赞，欢迎加入有赞分析团队2019年1月，153个R新包收录于CRAN！以下是选摘的40个...
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
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