R: circos图中的组交叉点，显示具有可变值的额外带。

Question

我有一个数据框架，如下所示：

set.seed(1)
mydf <- data.frame()
for (g in LETTERS[1:4]){
    m <- data.frame(Group=g,
                    Gene=paste(sample(letters[1:4],25,replace=TRUE), sample(1:25,25,replace=FALSE), sep=''),
                    FoldChange=runif(25, -2, 2))
    mydf <- rbind(mydf, m)
}
mydf$UpDown <- "DOWN"
mydf$UpDown[which(mydf$FoldChange>0)] <- "UP"
head(mydf)

  Group Gene  FoldChange UpDown
1     A  b10 -0.08952151   DOWN
2     A   b1  1.44483791     UP
3     A   c9 -0.24761157   DOWN
4     A  d20 -1.02081089   DOWN
5     A   a8 -1.71728381   DOWN
6     A  d25 -1.60213536   DOWN

我想显示Genes在Groups之间的交集，所以我做了一个Venn图：

mylist <- split(as.character(mydf$Gene), list(mydf$Group))
venn.diagram(mylist, filename="test.png", height=1000, width=1000, imagetype="png", units="px")

​

​

但是，我真的很想以某种方式显示FoldChange (或至少是UpDown)值。我想这样做，把重叠的数字分成UP和DOWN Genes

​

​

但是，给定的Gene在一个Group中仍然可以是UP，在另一个Group中可以是DOWN，所以上面的Venn图非常不准确.

subset(mydf, Gene=='b16')
   Group Gene FoldChange UpDown
16     A  b16 -0.9679329   DOWN
34     B  b16  0.5711820     UP
90     D  b16 -1.1147763   DOWN

我认为最好的方式来显示这将是一个马戏团阴谋代替。

它应该每个Group有一个部分，链接组之间的共享Genes，并包括FoldChange (或UpDown)信息。

我可以想出两种包括这些信息的方法：

1-A和B之间的连接线(例如)如果Gene在Groups中都是DOWN，则为红色，如果两者都是UP，则为蓝色。如果Gene在A中是DOWN，在B中是UP，那么它们就会变成蓝色，如果发生相反的情况，蓝色会变成红色(这有道理吗？)

2-包含一个额外的信息带到Circos图中，其中FoldChange值(红色表示负条，蓝色表示正条)。最好是重叠的Genes块都在一起(而不是到处都是细毛，而是根据FoldChange值排序)。与此类似的可能是：

​

然而，我真的不知道如何开始，我曾经尝试过用circlize包制作简单的Circos图，但是完全失败了。

我认为我想要实现的目标的概念很简单.有没有人知道如何在Circos的情节中清楚地表现出来(或者说，你可以建议的其他任何表现形式)？

非常感谢！

Answer 1

虽然这是一个老问题，但我会尽量回答，因为它仍然是一个未回答的问题。请注意，我使用您的问题来学习如何使用circlize，所以如果它不是最佳的或者有任何错误，我会感谢您的反馈。

我必须说，我没有按您建议的方式(连接组)进行求解，因为它需要按摩输入数据，将其转换为邻接矩阵连接组。

但是，可以用您提供的输入数据直接表示您想要观察的大多数信息，这可能很有帮助。

首先，我创建了一个颜色友好的向量，那些默认的颜色有时太暗了：

library(RColorBrewer)
qual_col_pals = brewer.pal.info[brewer.pal.info$category == 'qual',]
col_vector = unlist(mapply(brewer.pal, qual_col_pals$maxcolors, rownames(qual_col_pals)))
Nsectors = length(unique(mydf$Group))+length(unique(mydf$Gene)) 
col_vector = col_vector[1:Nsectors]

导出其他格式的透明度存在问题，所以我将创建一个pdf。我首先创建一个没有注释的和弦图，因为基因的标签太多了，我稍后会添加它们。我将图表存储在一个名为cdm_res的变量中，它将帮助我稍后检索扇区的位置等。

pdf(file = "circlize_example.pdf",width = 10, height = 10)
# -- Create a chord diagram with no labels nor axis
cdm_res = chordDiagram(x = mydf[,c(2,1,3)],  # I change the order, largest groups on top
              annotationTrack = "grid", # I create it without sector names, it is too crowded
              grid.col = col_vector)

我们有联系的群体和基因。现在我添加组的标签。

# -- Add now labels, etc.
for(si in unique(mydf$Group)) { # Now I add the labels for Group and the axis
  xlim = get.cell.meta.data("xlim", sector.index = si, track.index = 1)
  ylim = get.cell.meta.data("ylim", sector.index = si, track.index = 1)
  circos.text(mean(xlim), mean(ylim), si, sector.index = si, track.index = 1, 
              facing = "outside", cex=1.2, niceFacing = TRUE)
  circos.axis(h = "top", labels.cex = 0.5, sector.index = si,track.index=1)
}

接下来，我为每个观察结果创建一个矩形，其高度与FoldChange的绝对值成正比，如果为正，则为红色，如果为负值，则为绿色。通过这种方式，你可以看到同一基因何时发生变化。这可能是可以做到的，创造另一个轨道以及。

y1 = ylim[1] + 1.2* (ylim[2] - ylim[1]) # The rectangle will start at the top of the coloured sectors

  for(i in seq_len(nrow(cdm_res))) {
    circos.rect(cdm_res[i, "x1"], y1, cdm_res[i, "x1"] - 
                  abs(cdm_res[i, "value1"]), y1 + abs(cdm_res[i, "value1"]),#(y2-y1)*0.45, 
                col = ifelse(cdm_res[i,"value1"]>0,"red","green"), 
                border = ifelse(cdm_res[i,"value1"]>0,"red","green"),
                sector.index = cdm_res$rn[i], track.index = 1)
  } 

最后，在最高矩形的末尾添加标签。

for(si in unique(mydf$Gene)) { # For Gene I skip axis and reduce label's size
  xlim = get.cell.meta.data("xlim", sector.index = si, track.index = 1)
  #ylim = get.cell.meta.data("ylim", sector.index = si, track.index = 1)
  idx=which(cdm_res$rn == si) # which are the indxs for this sector?
  height=max(abs(cdm_res$value1[idx])) # we look for the maximum value
  y2_label=4+height # to locate our label at the top of the rect, a little bit further
  circos.text(mean(xlim), mean(ylim), si, sector.index = si, track.index = 1, 
              facing = "outside", 
              cex=0.5, # here the challenge, if the labels are large they will overlap 
              adj=c(degree(0),degree(y2_label)), # increase the offset to make labels larger
              niceFacing = TRUE)
  
}

circos.clear()
dev.off()

这里的结果是：

​