「R绘图」minimap2的PAF文件如何进行可视化?

Minimap2是知名比对工具BWA的开发者Li Heng新开发的比对工具,它能够快速的将DNA或者mRNA序列比对到参考基因组上,使用场景有下面几种:

  • 将PacBio或OXford Nanopore的read和已有参考基因组(如人类)进行比对
  • 寻找高错误率read(15%)之间的overlap
  • 将PacBio Iso-Seq 或Nanopore cDNA或RNA序列比对到参考基因组
  • 将illumina 单端或者双端序列比对到参考基因组
  • 组装之间的比对
  • 临近物种的全基因组比对

最近用Canu的不同参数装了几个版本的基因组,希望比较不同组装之间是否连续,要是在组装结果A里面的是ABCD的排布,在结果B里面却出现了倒置变成了ACBD,那么我就要怀疑人生了。

我仔细看了一下PAF的输出格式,发现输出结果非常友好,但是不可能直接用read.table或者data.table::fread读取,所以我就自己写了一个解析函数。同时为了提高我对R语言中grid系统的理解,我又写了一个专门的画图代码

代码见最后,100多行的样子,保存为paf.R, 使用方法为:

source(".paf.R")
df <- read.paf("./asm_vs_ref.paf")
plot_synteny(df)

两个临近物种的结果图如下


效果图1局部

同一物种不同组装的效果图

效果图2局部

我原本以为画这种图需要累加坐标,后来发现原来grid系统里面的视图(viewport)可以继续分为很多个图层,每个图层可有不同的坐标系统。


read.paf <- function(file, sep = "\t",
                     header = FALSE,
                     MQ = 10,
                     ...){
  data <- readLines(file)
  
  dataSize <- length(data)
  # initialize 
  qName   <- vector("character", dataSize)
  qLength <- vector("integer", dataSize)
  qStart  <- vector("integer", dataSize)
  qEnd    <- vector("integer", dataSize)
  strand  <- vector("character", dataSize)
  tName   <- vector("character", dataSize)
  tLength <- vector("integer", dataSize)
  tStart  <- vector("integer", dataSize)
  tEnd    <- vector("integer", dataSize)
  reMatch <- vector("integer", dataSize)
  bLength <- vector("integer", dataSize)
  mQuality<- vector("integer", dataSize)

  i <- 1
  j <- 0
  for (i in seq(dataSize)){
    items   <- strsplit(data[i], split = sep)[[1]]
    
    quality <- as.numeric(items[12]) #Mapping Quality 0-255
    if (quality < MQ)
      next
    j <- j + 1
    qName[j]   <- items[1] # Query sequence name
    qLength[j] <- as.integer(items[2])
    qStart[j]  <- as.integer(items[3]) + 1L
    qEnd[j]    <- as.integer(items[4]) + 1L # convert 0-based to 1-based
    strand[j]  <- items[5] # Relative strand: "+" or "-"
    tName[j]   <- items[6] # Target sequence name
    tLength[j] <- as.integer(items[7])
    tStart[j]  <- as.integer(items[8]) + 1L
    tEnd[j]    <- as.integer(items[9]) + 1L
    reMatch[j] <- as.integer(items[10])  #Number of residue matches
    bLength[j] <- as.integer(items[11]) #Alignment block length
    mQuality[j]<- as.integer(items[12]) #Alignment block length
  } 
    pafDataframe <- data.frame(qName = qName[1:j], qStart = qStart[1:j], qEnd = qEnd[1:j],
                               tName = tName[1:j], tStart = tStart[1:j], tEnd = tEnd[1:j],
                               qLength = qLength[1:j], tLength = tLength[1:j], 
                               strand  = strand[1:j],
                               reMatch = reMatch[1:j], bLength = bLength[1:j],
                               mQuality = mQuality[1:j],
                               stringsAsFactors = FALSE)
  return(pafDataframe) 
}


plot_synteny <- function(df, contigs = 20,
                         lineSize = 3,
                         borderCol = "#5496ff",... ){
  
  # select the top N contig
  x <- df[,c("qName","qLength")]
  x <- x[!duplicated(x$qName),]
  x <- x[order(x$qLength, decreasing = TRUE),][1:contigs,]

  y <- df[,c("tName","tLength")]
  y <- y[!duplicated(y$tName),]
  y <- y[order(y$tLength, decreasing = TRUE),][1:contigs,]
  
  # make new page for ploting
  grid::grid.newpage()
  
  # allot the ratio of each contig
  x_frac <- x$qLength / sum(x$qLength)
  y_frac <- y$tLength / sum(y$tLength)
  
  # draw the contig name
  grid::pushViewport(grid::viewport(height = 0.7,
                        width =  0.7,
                        gp = grid::gpar(cex = 0.75),
                        name = "contigName"))
  x_pos <- c(0, cumsum(x_frac)[1:(contigs-1)])
  y_pos <- 1- c(0, cumsum(y_frac)[1:(contigs-1)])
  for (i in seq.int(1,contigs)){
    grid::grid.text(label = x[i,1], 
              x = grid::unit(x_pos[i], "npc"),
              y = grid::unit(1, "npc"),
              just = c("left","bottom"),
              rot = 35
              )
    grid::grid.text(label = y[i, 1],
              x = grid::unit(1, "npc"),
              y = grid::unit(y_pos[i], "npc"),
              just = c("left")
              )
    
  }
  
  vplay <- grid::grid.layout(contigs, contigs, 
                       widths  = x_frac,
                       heights = y_frac)
  grid::pushViewport(grid::viewport(layout = vplay,
                        name = "vplay"))
  
  
  # line represent the synteny
  for ( i in seq(1, contigs)){
    for (j in seq(1, contigs)){
      
      # get the name and length for subsetting
      xName   <- x[i,1]
      xLength <- x[i,2]
      yName   <- y[j,1] 
      yLength <- y[j,2]
      
      # push view port for plot Collinearity
      grid::pushViewport(grid::viewport(layout.pos.col = i,
                            layout.pos.row = j,
                            xscale = c(1, xLength),
                            yscale = c(1, yLength),
                            name = paste0("pos",i,j)))
  
      grid::grid.rect(gp=grid::gpar(col=borderCol))
      # select the data
      plot_df <- df[df$qName == xName & df$tName == yName,] 
      blocks <- nrow(plot_df)
      #cat(sprintf("block size is %d\n", blocks))
      
      if (blocks == 0) {
        grid::upViewport() 
        next
      }
      
      # plot the line
      for (k in seq(1, blocks)){
        if (plot_df$strand[k] == "+"){
          grid::grid.lines(x = c(plot_df$qStart[k], plot_df$qEnd[k]),
                     y = c(plot_df$tStart[k], plot_df$tEnd[k]),
                     gp=grid::gpar(lwd = lineSize),
                     default.units = "native")
        } else {
          grid::grid.lines(x = c(plot_df$qStart[k], plot_df$qEnd[k]),
                     y = c(plot_df$tEnd[k], plot_df$tStart[k]),
                     gp=grid::gpar(lwd = lineSize),
                     default.units = "native")
        }

      }
      
      grid::upViewport() 
    }
  }
}

他山之石

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,390评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,821评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,632评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,170评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,033评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,098评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,511评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,204评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,479评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,572评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,341评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,893评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,171评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,486评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,676评论 2 335

推荐阅读更多精彩内容