序列LOGO绘制-你还需要美颜？

作图丫

发布于 2022-03-29 14:15:49

1.1K0

发布于 2022-03-29 14:15:49

文章被收录于专栏：作图丫

之前在公众号中分享过绘制LOGO的R包"gglogo"，详情请戳蓝字“绘制序列标识图-gglogo”。今天再给大家分享一个R包-"ggseqlogo"，绘制序列LOGO完全无需美颜。这个R包是ggplot2的扩展包，应用起来简单明了，下边就给大家详细测试下，看看是不是那么美，那么好！

R包安装

#CRAN安装
install.packages("ggseqlogo")

#使用 devtools package 安装
devtools::install_github("omarwagih/ggseqlogo")

加载R包和测试数据

# Load the required packages
require(ggplot2)
require(ggseqlogo)

# Some sample data
data(ggseqlogo_sample)

ggseqlogo_sample含有三个数据集

seqs_dna: sets of binding sites for 12 transcription factors obtained from FASTA files in JASPAR. This is represented as a named list of character vectors, where the names represent the JASPAR ID.
pfms_dna: a list of position frequency matrices for four transcription factors obtained from JASPAR. This is represented as a list of matrices, where the names represent the JASPAR ID.
seqs_aa: sets of kinase-substrate phosphorylation sites obtained from Wagih et al. This is represented as a named list of character vectors where the names represent the names of the kinases associated with the phosphosites.

先来看下"ggplot2"和"ggseqlogo"绘制logo

#利用ggplot2绘图
ggplot() + geom_logo(data=seqs_dna$MA0001.1, method="probability") + theme_logo()

#ggseqlogo简化代码
ggseqlogo(seqs_dna$MA0001.1, 
          method="bits", #位置保守性展示方法，包含"bits" 和 "probability"，默认"bits"
          seq_type = "auto", #序列类型，包含"aa", "dna", "rna" or "other" 默认是"auto"
          stack_width= 0.95, #字符宽度，默认0.95
          )

可以看出"ggseqlogo"很简单明了。

两大类数据类型

Sequences: a character vector of aligned sequences
Matrices: a position frequency matrix, where the row is the letter, and column is the position. Note: the matrix must be row named with the letter. Matrices can also be a custom height matrix, but this is described later in the tutorial

matrix数据示例

pfms_dna$MA0018.2 数据具体如下所示：

#matrix数据绘图
ggseqlogo(pfms_dna$MA0018.2)

"ggseqlogo"支持两个绘制序列方法: "bits" 和 "probability"。

p1 = ggseqlogo( seqs_dna$MA0001.1, method = 'bits' ) #bits
p2 = ggseqlogo( seqs_dna$MA0001.1, method = 'prob' ) #prob
gridExtra::grid.arrange(p1, p2)

预设序列类型

"ggseqlogo"支持氨基酸、DNA和RNA序列类型。默认情况下，"gseqlogo"将尝试猜测序列类型。可以通过seq_type选项显式设置序列类型。

#seq_type='aa' 和 seq_type='auto' 绘制的结果是一样的
ggseqlogo( seqs_aa$AKT1, seq_type='aa')
ggseqlogo( seqs_aa$AKT1, seq_type='auto')

自定义序列类型

通过namespace 定义.

# 利用“1234”替换“ATGC”
seqs_numeric = chartr('ATGC','1234', seqs_dna$MA0001.1)
# 设置namespace，利用替换后的序列绘图
ggseqlogo(seqs_numeric, method='p', namespace=1:4)

当然也是可以设置其他的替换字符，有兴趣的可以替换试试。

预设颜色

"ggseqlogo"基于不同的序列类型给予不同的颜色配置，对于氨基酸序列可选“chemistry, hydrophobicity, clustalx, taylor” 。对于 DNA 和 RNA 可选 nucleotide 和 base_pairin。

ggseqlogo(seqs_dna$MA0001.1, col_scheme='base_pairing')

自定义颜色

可以使用 make_col_scheme 进行颜色自定义。

离散颜色

# 创建自定义颜色
cs1 = make_col_scheme(chars=c('A', 'T', 'C', 'G'), #序列编码
                      groups=c('gr1', 'gr1', 'gr2', 'gr2'), #分组，可选
                      cols=c('purple','purple','blue','blue')#设置颜色
                      )
# 绘制logo
ggseqlogo(seqs_dna$MA0001.1, col_scheme=cs1)

连续配色

# 创建自定义颜色
cs2 = make_col_scheme(chars=c('A', 'T', 'C', 'G'), values=1:4)
# 绘制序列logo
ggseqlogo(seqs_dna$MA0001.1, col_scheme=cs2)

多序列logo绘图

在facet的帮助下，可以同时绘制多个序列标识。"ggseqlogo"将接受序列或矩阵的命名列表。列表的名称将用作facet标题。

ggseqlogo(seqs_dna, ncol=4) #ncol为每行的列数

自定义序列编码高度

可对每个编码高度度量进行定义，只需创建一个矩阵，其中每个单元格都是所需的高度，并将该方法设置为custom。甚至可以有负的高度也是可以的。

# 创建高度矩阵
set.seed(123)
custom_mat = matrix( rnorm(20), nrow=4, dimnames=list(c('A', 'T', 'G', 'C')))
# 绘制序列logo
ggseqlogo(custom_mat, method='custom', seq_type='dna') + ylab('my custom height')

字体设置

您可以通过设置“font”参数来调整字体。要列出所有可用的配置方案，请使用list_fonts函数。

fonts =list_fonts(F)

p_list =lapply(fonts, function(f){
  ggseqlogo(seqs_dna$MA0001.1, font=f) +ggtitle(f)
})

do.call(gridExtra::grid.arrange, c(p_list, ncol=2))

logos 注释

在ggseqlogo中，用ggplot2将注释覆盖到序列标志上是很简单的。下面是一个绘制矩形、直线和文本的例子。

ggplot() +
annotate('rect', xmin = 0.5, xmax = 3.5, ymin = -0.05, ymax = 1.9, alpha = .1, col='black', fill='yellow') +
geom_logo(seqs_dna$MA0001.1, stack_width = 0.90) +
annotate('segment', x = 4, xend=8, y=1.2, yend=1.2, size=2) +
annotate('text', x=6, y=1.3, label='Text annotation') +
theme_logo()

绘图整合

# 序列
seqs = seqs_dna$MA0008.1

# 绘制logo
p1 = ggseqlogo(seqs) + theme(axis.text.x = element_blank())

# 比对序列矩阵
aln = data.frame(
  letter=strsplit("AGATAAGATGATAAAAAGATAAGA", "")[[1]], 
  species = rep(c("a", "b", "c"), each=8),
x       = rep(1:8, 3)
)
aln$mut = 'no'
aln$mut[ c(2,15,20,23) ] = 'yes'

# 绘制比对
p2 = ggplot(aln, aes(x, species)) +
  geom_text(aes(label=letter, color=mut, size=mut)) + 
  scale_x_continuous(breaks=1:10, expand = c(0.105, 0)) + xlab('') + 
  scale_color_manual(values=c('black', 'red')) + 
  scale_size_manual(values=c(5, 6)) + 
  theme_logo() + 
  theme(legend.position = 'none', axis.text.x = element_blank()) 

# 绘制bar
bp_data = data.frame(x=1:8, conservation=sample(1:100, 8))
p3 = ggplot(bp_data, aes(x, conservation)) +
  geom_bar(stat='identity', fill='grey') + 
  theme_logo() + 
  scale_x_continuous(breaks=1:10, expand = c(0.105, 0)) + 
  xlab('')
  
# 使用cowplot整合绘图，确保P1、P2和 P3对应
suppressMessages(require(cowplot) )
plot_grid(p1, p2, p3,  ncol = 1, align = 'v')