🤠 Network | 高颜值网络可视化工具（一）

生信漫卷

发布于 2022-10-31 17:04:15

4310

1. 写在前面

本期教程：网络可视化。 应用场景：蛋白互作网络(PPI); ceRNA网络;社交关系图；相关性图等。 需要的文件：我们在使用network,igraph等包进行网络可视化的时候，一般需要两个数据，nodes数据和edges，即节点数据和边数据。ヽ( o･ｪ･)ﾉ

2. 用到的包

rm(list = ls())
library(tidyverse)
library(network)
library(igraph)

3. 示例数据

本次使用的示例数据是Daniel van der Meulen在1585年收到的信件所组成，包括writer,source, destination和date

letters <- read_csv("correspondence-data-1585.csv")

4. 整理nodes数据

我们将source和destination提取出来并去重，整理为nodes文件；同时，我们为每一个城市创建一个ID.

sources <- letters %>%
  distinct(source) %>%
  rename(label = source)

destinations <- letters %>%
  distinct(destination) %>%
  rename(label = destination)

nodes <- full_join(sources, destinations, by = "label")%>% 
  rowid_to_column("id")

5. 整理edges数据

整理edges文件与nodes文件类似；在此，我们计算一下从source城市到destination城市间的来信次数，定义为weight；后面我们会以weight定义边的粗细；最后我们将nodes文件中的ID加入。

edges <- letters %>%  
  group_by(source, destination) %>% 
  summarise(weight = n()) %>% 
  ungroup() %>% 
  left_join(nodes, by = c("source" = "label")) %>% 
  rename(from = id) %>% 
  left_join(nodes, by = c("destination" = "label")) %>% 
  rename(to = id)

edges <- edges %>% 
  dplyr::select(., from, to, weight)

6. 网络可视化(一)

方法一：network包可视化

6.1 构建网络文件

routes_network <- network(edges, 
                          nodes, 
                          matrix.type = "edgelist", # "adjacency", 
                                                    # "edgelist", 
                                                    # "incidence",
                          ignore.eval = FALSE)

note! matrix.type有三个选项，分别为adjacency, edgelist, incidence; 这里我们是edgelist的格式，有时你可能会有adjacency格式的数据做为输入文件.

6.2 初步绘图

plot(routes_network, vertex.cex = 3)

6.3 圆形排列

plot(routes_network, vertex.cex = 3, mode = "circle")

7. 网络可视化(二)

方法二：igraph包可视化

detach(package:network)
rm(routes_network)

7.1 构建网络文件

这里用到igraph包的graph_from_data_frame函数

routes_igraph <- graph_from_data_frame(d = edges, vertices = nodes, directed = TRUE)

7.2 初步绘图

plot(routes_igraph, edge.arrow.size = 0.2)

7.3 改变排列方式

这里采用graphopt算法进行排列，可以更直观地看到Haarlem, Antwerp和Delft之间的关系

plot(routes_igraph, 
     layout = layout_with_graphopt,
     edge.arrow.size = 0.2)

7.4 igraph的常用layout

✅ add_layout_(); ✅ component_wise(); ✅ layout_as_bipartite(); ✅ layout_as_star(); ✅ layout_as_tree(); ✅ layout_in_circle(); ✅ layout_nicely(); ✅ layout_on_grid(); ✅ layout_on_sphere(); ✅ layout_randomly(); ✅ layout_with_dh(); ✅ layout_with_fr(); ✅ layout_with_gem(); ✅ layout_with_graphopt(); ✅ layout_with_kk(); ✅ layout_with_lgl(); ✅ layout_with_mds(); ✅ layout_with_sugiyama(); ✅ merge_coords(); ✅ norm_coords(); ✅ normalize()