R - 序列标识图(sequence logo)

在生物信息分析中，经常需要做序列标识图(sequence logo)。例如，突出序列比对中的保守位置，用于研究结构域序列相似性；临床上可视化DNA、RNA和蛋白质结合位点(激酶，SH2 / SH3域，转录因子（TFs），RNA结合蛋白，核酸酶，核糖核蛋白等)探索突变对重大疾病的影响。

ggseqlogo是一种非常理想的序列标识可视化软件，它不仅能够生成高质量的待发表的序列标识图，而且能够灵活地处理不同的输入格式。由于基于ggplot2包，因此具有高度可定制化性(允许使用定量和定性的配色方案，图例，不同的字体和视觉注释)，并且允许与其他图形叠加。

数据类型

ggseqlogo能够接收和识别三种数据类型：

1. 序列：Amino acids, DNA and RNA sequence types，一般ggseqlogo能猜测输入序列的类型，也可以用seq_type指定。自己制定的字母、数据、符号等。

2. 矩阵：行是序列字母，列是序列位置的位置频率矩阵。

3. 如果每个字母已经有了高度变量，只需创建一个矩阵，列名字序列字母，每个单元格都是高度变量，然后将方法设置为custom。(例：custom_mat = matrix( rnorm(20), nrow=4, dimnames=list(c('A', 'T', 'G', 'C'))) )
   

   

   custome_matrix.png

例子

sequence logo.png

see the full tutorial here