绘图函数
创建基因组数据的绘图区域的函数是 circos.genomicTrack()，或者 circos.genomicTrackPlotRegions()。
其实用方式类似于 circos.track() 函数，可以使用 panel.fun 添加自定义的绘图函数
circos.genomicTrackPlotRegion(
data, panel.fun = function(region, value, ...) {
circos.genomicPoints(region, value, ...)
})
在 panel.fun 函数中，可以基础图形函数来添加图形，函数接收两个参数 region 和 value：
-
region：包含两列起止位置的数据框 -
value：其他列信息的数据框，一般从第四列开始的数据
其中 region 的数据用于标识 x 轴，value 标识的是 y 轴。
panel.fun 函数还强制要求传入第三个参数 ...，用于传递用户不可见的变量，并交由其内部的基础绘图函数进行解析，如 circos.genomicPoints
例如，我们创建包含两列额外值的数据
> bed <- generateRandomBed(nc = 2)
> head(bed, n = 2)
chr start end value1 value2
1 chr1 121306 127516 -0.5083810 -0.7065109
2 chr1 140866 680287 0.4426682 -1.0817683
我们可以在 panel.fun 函数中，将 region 和 value 打印出来
circos.initializeWithIdeogram(plotType = NULL)
circos.genomicTrackPlotRegion(
bed, panel.fun = function(region, value, ...) {
if(CELL_META$sector.index == "chr1") {
print(head(region, n = 2))
print(head(value, n = 2))
}
})
可以看到，region 为数据的 2、3 两列，value 为 4、5 两列
start end
1 121306 127516
2 140866 680287
value1 value2
1 -0.5083810 -0.7065109
2 0.4426682 -1.0817683
numeric.column 参数用于指定 y 轴数据，可以传递对应的列名或列索引，默认为所有数值列（从第四列开始），这些数据拥有相同的 x 轴坐标，可以使用 ylim 来设置数据范围，例如
circos.genomicTrackPlotRegion(
data, ylim = c(0, 1),
panel.fun = function(region, value, ...) {
circos.genomicPoints(region, value, ...)
})
circos.genomicTrackPlotRegion(
data, numeric.column = c("value1", "value2"),
panel.fun = function(region, value, ...) {
circos.genomicPoints(region, value, ...)
})
如果输入数据是数据框列表，则 numeric.column 为长度与列表一致的向量或一个标量
1. 基础图形函数
circos.genomicPoints() 用于绘制点图，是使用 circos.points() 函数来实现的
circos.genomicPoints <- function(region, value, numeric.column = 1, ...) {
x = (region[[2]] + region[[1]])/2
for(i in numeric.column) {
y = value[[i]]
circos.points(x, y, ...)
}
}
如果你不想使用 circos.genomic*() 类型的函数，可以使用 circos.*() 来实现。
使用方式包括
circos.genomicPoints(region, value, numeric.column = c(1, 2))
circos.genomicPoints(region, value, cex, pch)
circos.genomicPoints(region, value, sector.index, track.index)
circos.genomicTrack(data, numeric.column = 4,
panel.fun = function(region, value, ...) {
circos.genomicPoints(region, value, ...)
})
其他基因组数据绘图函数也是使用对应的 circos.*() 来实现的
circos.genomicLines
circos.genomicLines(region, value, ...)
circos.genomicLines(region, value, numeric.column = c(1, 2))
circos.genomicLines(region, value, area, baseline, border)
circos.genomicLines(region, value, sector.index, track.index)
circos.genomicText
circos.genomicText(region, value, ...)
circos.genomicText(region, value, y = 1, labels)
circos.genomicText(region, value, numeric.column, labels.column)
circos.genomicText(region, value, facing, niceFacing, adj)
circos.genomicText(region, value, sector.index, track.index)
circos.genomicRect
因为矩形框的左右边界由 x 轴固定了，只需要设置上下边界即可，参数可以是 ytop, ybottom 或 ytop.column、ybottom.column 指定对应的数据列
circos.genomicRect(region, value, ytop = 1, ybottom = 0)
circos.genomicRect(region, value, ytop.column = 2, ybottom = 0)
circos.genomicRect(region, value, col, border)
circos.genomicLink
需要两个数据框来确定连接区域，其他参数都由 circos.link() 解析，例如
bed1 <- generateRandomBed(nr = 100)
bed1 <- bed1[sample(nrow(bed1), 20), ]
bed2 <- generateRandomBed(nr = 100)
bed2 <- bed2[sample(nrow(bed2), 20), ]
circos.initializeWithIdeogram()
circos.genomicLink(
bed1, bed2, border = NA,
col = rand_color(nrow(bed1), transparency = 0.5)
)
circos.clear()
2. 绘图模式
circos.genomicTrack() 函数和 panel.fun 参数对不同的输入数据或不同的模式，会有不同的表现形式
2.1 正常模式
2.1.1 数据框
如果输入数据是数据框，绘制方式与前面一样
circos.initializeWithIdeogram()
circos.genomicTrack(
data, numeric.column = 4,
panel.fun = function(region, value, ...) {
circos.genomicPoints(region, value, col = "blue")
# 这里的 numeric.column = 1 表示 value 的第一列，即 data 的第 4 列
circos.genomicPoints(region, value, numeric.column = 1, col = "red")
}
)
circos.clear()
2.1.2 数据框列表
对于数据框列表的输入数据，panel.fun 将按照当前染色体的各不同数据框进行绘制，region 和 value 表示的是当前染色体，当前数据框所对应的值。
需要在 panel.fun 函数内部使用 getI(...) 来获取当前数据框的索引。例如
circos.initializeWithIdeogram()
circos.genomicTrack(
bed_list,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicPoints(region, value, col = rand_color(1), ...)
})
# column 4 in the first bed and column 5 in the second bed
circos.genomicTrack(
bed_list,
numeric.column = c(4, 5),
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicPoints(region, value, col = rand_color(1), ...)
}
)
circos.clear()
2.2 堆叠模式
在 circos.genomicTrack() 函数中设置 stack = TRUE，开启堆叠模式。
在堆叠模式下，ylim 将会被重新定义，y 轴将会被分割为一些高度相同的 bin（y = 1, 2, ...），每个 bin 内放置对应的图形
2.2.1 数据框
如果在堆叠模式下输入数据是包含多列数值列的数据框，则 numeric.column 所指定的每个数值列都会作为一个单元，ylim 被设置为 (0.5,0.5+n)，n 为数值列的数目。y 轴的值 value 将会被替换为 y=i
例如
data <- generateRandomBed(nr = 100, nc = 2)
circos.initializeWithIdeogram()
circos.genomicTrack(
data, stack = TRUE,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicPoints(region, value, col = rand_color(1), ...)
}
)
circos.clear()
2.2.2 数据框列表
如果输入的是数据框列表，则每个数据框被认为是一个单元，ylim 被重定义为 (0.5,0.5+n)，n 为数据框列表的长度。
panel.fun 将会应用在每个数据框中，
circos.initializeWithIdeogram()
circos.genomicTrack(
bed_list, stack = TRUE,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicPoints(region, value, col = rand_color(1), ...)
})
circos.clear()
3 应用
3.1. 点图
为了更容易看出图形的区别，我们只显示一条染色体，并将其绘制成 1/4 圆
circos.par(
"track.height" = 0.1, start.degree = 90,
canvas.xlim = c(0, 1), canvas.ylim = c(0, 1),
gap.degree = 270
)
circos.initializeWithIdeogram(
chromosome.index = "chr1", plotType = NULL
)
添加轨迹 A，只绘制点
bed <- generateRandomBed(nr = 300)
circos.genomicTrack(
bed, panel.fun = function(region, value, ...) {
circos.genomicPoints(region, value, pch = 16, cex = 0.5, ...)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'A', adj = c(1.05, 0.5)
)
}
)
添加轨迹 B，将点以 stack 模式排列，并添加一条虚线
circos.genomicTrack(
bed, stack = TRUE,
panel.fun = function(region, value, ...) {
circos.genomicPoints(region, value, pch = 16, cex = 0.5, ...)
i = getI(...)
circos.lines(CELL_META$cell.xlim, c(i, i),
lty = 2, col = "#00000040")
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'B', adj = c(1.05, 0.5)
)
}
)
添加轨迹 C，使用数据框列表，两个数据框的点设置不同的颜色
bed1 <- generateRandomBed(nr = 300)
bed2 <- generateRandomBed(nr = 300)
bed_list <- list(bed1, bed2)
circos.genomicTrack(
bed_list,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicPoints(
region, value, pch = 16,
cex = 0.5, col = rand_color(1), ...
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'C', adj = c(1.05, 0.5)
)
}
)
添加轨迹 D，为数据框列表使用堆积的方式
circos.genomicTrack(
bed_list, stack = TRUE,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicPoints(
region, value, pch = 16,
cex = 0.5, col = rand_color(1), ...
)
circos.lines(
CELL_META$cell.xlim, c(i, i), lty = 2,
col = "grey50"
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'D', adj = c(1.05, 0.5)
)
}
)
添加轨迹 E，数据框包含 4 列数值数据，每列数据拥有相同的 x 轴坐标，并设置不同的颜色
bed <- generateRandomBed(nr = 300, nc = 4)
circos.genomicTrack(
bed, panel.fun = function(region, value, ...) {
circos.genomicPoints(
region, value, pch = 16,
cex = 0.5, col = 1:4, ...
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'E', adj = c(1.05, 0.5)
)
}
)
添加轨迹 F，堆叠方式显示 4 列数据
bed <- generateRandomBed(nr = 300, nc = 4)
circos.genomicTrack(
bed, stack = TRUE,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicPoints(
region, value, pch = 16,
cex = 0.5, col = i, ...
)
circos.lines(
CELL_META$cell.xlim, c(i, i),
lty = 2, col = "grey50"
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'F', adj = c(1.05, 0.5)
)
})
circos.clear()
3.2 线
类似于上面的点图，我们也只用 1/4 圆来绘制 chr1
circos.par(
"track.height" = 0.08, start.degree = 90,
canvas.xlim = c(0, 1), canvas.ylim = c(0, 1),
gap.degree = 270,
cell.padding = c(0, 0, 0, 0)
)
circos.initializeWithIdeogram(
chromosome.index = "chr1", plotType = NULL
)
轨迹 A，绘制简单折线，折线的点为区间中点
bed <- generateRandomBed(nr = 500)
circos.genomicTrack(
bed, panel.fun = function(region, value, ...) {
circos.genomicLines(region, value)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'A', adj = c(1.05, 0.5)
)
}
)
轨迹 B，面积折线图，轨迹 C 为 h 类型
circos.genomicTrack(
bed, panel.fun = function(region, value, ...) {
circos.genomicLines(region, value, area = TRUE)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'B', adj = c(1.05, 0.5)
)
}
)
circos.genomicTrack(
bed, panel.fun = function(region, value, ...) {
circos.genomicLines(region, value, type = "h")
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'C', adj = c(1.05, 0.5)
)
}
)
轨迹 D，用数据框列表绘制分组折线图，每组为一个数据框
bed1 <- generateRandomBed(nr = 500)
bed2 <- generateRandomBed(nr = 500)
bed_list <- list(bed1, bed2)
circos.genomicTrack(
bed_list,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicLines(
region, value, col = rand_color(1), ...
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'D', adj = c(1.05, 0.5)
)
}
)
轨迹 E，使用堆叠的方式绘制数据框列表
circos.genomicTrack(
bed_list, stack = TRUE,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicLines(region, value, col = i, ...)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'E', adj = c(1.05, 0.5)
)
}
)
轨迹 F，包含 4 列的数据框，绘制分组折线图，每组表示一列
bed <- generateRandomBed(nr = 500, nc = 4)
circos.genomicTrack(
bed,
panel.fun = function(region, value, ...) {
circos.genomicLines(region, value, col = 1:4, ...)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'F', adj = c(1.05, 0.5)
)
}
)
轨迹 G，堆叠的数据框
circos.genomicTrack(
bed, stack = TRUE,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicLines(region, value, col = i, ...)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'G', adj = c(1.05, 0.5)
)
}
)
轨迹 H，绘制 segment 类型的线
bed <- generateRandomBed(nr = 200)
circos.genomicTrack(
bed,
panel.fun = function(region, value, ...) {
circos.genomicLines(
region, value, type = "segment",
lwd = 2, col = rand_color(nrow(region)),
...
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'H', adj = c(1.05, 0.5)
)
})
circos.clear()
3.3 矩形
由于矩阵的颜色表示的值大小，我们定义连续型颜色映射
circos.par(
"track.height" = 0.15, start.degree = 90,
canvas.xlim = c(0, 1), canvas.ylim = c(0, 1),
gap.degree = 270
)
circos.initializeWithIdeogram(
chromosome.index = "chr1", plotType = NULL
)
col_fun <- colorRamp2(
breaks = c(-1, 0, 1),
colors = c("#ef8a62", "#f7f7f7", "#67a9cf")
)
如果要绘制热图，可以设置 stack 模式
bed <- generateRandomBed(nr = 100, nc = 4)
circos.genomicTrack(
bed, stack = TRUE,
panel.fun = function(region, value, ...) {
circos.genomicRect(
region, value,
col = col_fun(value[[1]]),
border = NA, ...
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'A', adj = c(1.05, 0.5)
)
}
)
在轨迹 B 中，使用数据框列表的堆叠模式
bed1 <- generateRandomBed(nr = 100)
bed2 <- generateRandomBed(nr = 100)
bed_list <- list(bed1, bed2)
circos.genomicTrack(
bed_list, stack = TRUE,
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicRect(
region, value, ytop = i + 0.3,
ybottom = i - 0.3,
col = col_fun(value[[1]]),
...
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'B', adj = c(1.05, 0.5)
)
}
)
在轨迹 C 中，我们使用正常的模式实现类似的功能
circos.genomicTrack(
bed_list, ylim = c(0.5, 2.5),
panel.fun = function(region, value, ...) {
i = getI(...)
circos.genomicRect(
region, value, ytop = i + 0.3,
ybottom = i - 0.3,
col = col_fun(value[[1]]),
...
)
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'C', adj = c(1.05, 0.5)
)
}
)
轨迹 D，我们可以设置条形的高度，ytop.column = 1 表示 value 的第一列
bed <- generateRandomBed(nr = 200)
circos.genomicTrack(
bed,
panel.fun = function(region, value, ...) {
circos.genomicRect(
region, value, ytop.column = 1,
ybottom = 0,
col = ifelse(value[[1]] > 0, "#ef8a62", "#67a9cf"),
...
)
circos.lines(CELL_META$cell.xlim, c(0, 0), lty = 2, col = "grey50")
circos.text(
CELL_META$cell.xlim[1],
mean(CELL_META$cell.ylim),
'D', adj = c(1.05, 0.5)
)
}
)
circos.clear()
