关于我只有基因和变异类型，还想做oncoplot（瀑布图）这件事！

生信补给站

发布于 2022-11-11 18:57:42

1.2K0

发布于 2022-11-11 18:57:42

oncoplot （瀑布图）经常出现在肿瘤研究中的Fig1 ，可以展示多种变异类型的全景图。

前面介绍过了使用maftools包对MAF文件进行绘制maftools | 从头开始绘制发表级oncoplot（瀑布图），以及使用ComplexHeatmap 包对excel文件进行绘制ComplexHeatmap|根据excel表绘制突变景观图（oncoplot）。

当我只有基因和变异类型的时候，那就想办法整理成 excel的形式，然后使用ComplexHeatmap绘制。

一载入R包，数据

#加载R包
library(tidyverse)
library(openxlsx)
library(reshape2)
library(ComplexHeatmap)

#读取数据
data <- read.xlsx("test.xlsx",sheet = 1)
head(data)
tail(data)

信息好少，但是好在绘制瀑布图的核心信息都在。

A：距离maf文件差距好大，放弃！

B：距离推文的excel表格（下图），好像差异不大。

就是长转宽，然后多种Exonic_Function的就用逗号分隔就行。

二数据转化

长型，宽型互转的方式有很多，可以使用tidyr包的gather ，spread函数进行长宽互转Tidyverse|tidyr数据重塑之gather，spread（长数据宽数据转化）；也可以使用 reshape2包的melt 和 cast函数进行长宽互转数据处理|数据框重铸。

2.1 使用reshape2包的dcast函数

#尝试转化
dcast <- dcast(data, gene~ sample)
head(dcast)

和想象的好像有点不一样，是不是有很多问号❓

这里不应该是基因名字吗？为什么是数值？数值又代表的什么含义呢？

注意看一下提示信息，“Aggregation function missing: defaulting to length” ，提到因为Aggregation function missing，默认是length。说明现在的数值代表length ，而length也就是个数。

那如果Aggregation function 不默认，是用什么参数设置呢？可以自定义成Exonic_Function使用逗号连接吗？

2.2 擅长使用R帮助

使用 ?dcast 看一下，发现fun.aggregate就是我们想要的参数，😄

下面再构建一个完成逗号连接的函数即可，这个使用paste即可

f.agg <- function(x) paste(x, collapse =";")

OK，都准备好了，转成输入文件样式的宽型数据吧

f.agg <- function(x) paste(x, collapse =";")
a <- dcast(data, gene~ sample,fun.aggregate = f.agg )

rownames(a) <- a$gene
mat <- a[,-1]
mat[is.na(mat)]<-""
mat[1:6,1:5]

可以看到数据转化完成，接下来就是可视化了。

三绘制瀑布图

这里需要注意的就是有多少种Exonic_Function类型，就指定（1）多少种颜色，（2）多少种位置，高度和宽度以及（3）多少种展示的标签

#指定颜色, 调整颜色代码即可
col <- c( "MISSENSE_VARIANT" = "blue" , "INFRAME_DELETION" = "green" ,
          "STOP_GAINED" = "yellow" , "SYNONYMOUS_VARIANT" = "red",
          "INFRAME_INSERTION" = "black" )
#指定变异的样子，x,y,w,h代表变异的位置(x,y)和宽度(w)，高度(h)
alter_fun <- list(
  background = function(x, y, w, h) {
    grid.rect(x, y, w-unit(0.5, "mm"), h-unit(0.5, "mm"),
              gp = gpar(fill = "#CCCCCC", col = NA))
  },
  MISSENSE_VARIANT = function(x, y, w, h) {
    grid.rect(x, y, w-unit(0.5, "mm"), h-unit(0.5, "mm"),
              gp = gpar(fill = col["MISSENSE_VARIANT"], col = NA))
  },
  INFRAME_DELETION = function(x, y, w, h) {
    grid.rect(x, y, w-unit(0.5, "mm"), h*0.33,  
              gp = gpar(fill = col["INFRAME_DELETION"], col = NA))
  },
  STOP_GAINED = function(x, y, w, h) {
    grid.rect(x, y, w-unit(0.5, "mm"), h-unit(0.7, "mm"),
              gp = gpar(fill = col["STOP_GAINED"], col = NA))
  },
  SYNONYMOUS_VARIANT = function(x, y, w, h) {
    grid.rect(x, y, w-unit(0.5, "mm"), h*0.7,  
              gp = gpar(fill = col["SYNONYMOUS_VARIANT"], col = NA))
  },
  INFRAME_INSERTION = function(x, y, w, h) {
    grid.rect(x, y, w-unit(0.5, "mm"), h*0.8,  
              gp = gpar(fill = col["INFRAME_INSERTION"], col = NA))
  }
)

#指定变异类型的标签，和数据中的类型对应
heatmap_legend_param <- list(title = "Alternations",
                             at = c("MISSENSE_VARIANT" , "INFRAME_DELETION",
                                    "STOP_GAINED" , "SYNONYMOUS_VARIANT" ,
                                    "INFRAME_INSERTION"),
                             labels = c( "MISSENSE_VARIANT" , "INFRAME_DELETION",
                                         "STOP_GAINED" , "SYNONYMOUS_VARIANT" ,
                                         "INFRAME_INSERTION"))

使用complexheatmap的oncoPrint函数绘制即可

#画图
oncoPrint(mat,
          alter_fun = alter_fun, col = col,
          column_title = column_title,
          heatmap_legend_param = heatmap_legend_param)