曼哈顿图的原理学习和python实现绘制

1、简介

曼哈顿图是GWAS（全基因组关联分析）的一个分析工具。

在曼哈顿图中，我们可以设置阈值，找到数据中和表型有强关联性的SNPs。

曼哈顿图的本质是散点图，不过对于不同的染色体，用不同颜色进行区分。图中的X轴是各个SNPs的数据索引，Y轴是对应的P值的取-log10的对数值。

对P值进行对数转换，原本越小的P值会变得很大，而很大和略大的P值则是变得很小，这样更容易突显出有价值的P值和对应的染色体。

2、P值的概念

P值由统计学根据显著性检验方法所得到。

p值是将观察结果认为有效即具有总体代表性的犯错概率，如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）

一般以P < 0.05 为有统计学差异， P<0.01 为有显著统计学差异，P<0.001为有极其显著的统计学差异。

3、实现曼哈顿图的python代码

使用的数据，由R包qqman里附带的数据做为绘图数据：

实现的代码：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
 
#读取GWAS结果，至少要包含 染色体号（CHR），P值（p.value），以及确保snp被正确排序
gwas_data = pd.read_csv(r'gwas.txt',sep=",")
 
#构建一个辅助列，作为各个snp在曼哈顿图x轴上的坐标
gwas_data["i"]=gwas_data.index
print(gwas_data.index)
list_=[i for i in range(1,15)]
list_ += ['16', '18', '20', '22']
xtick = ['chr'+c for c in map(str,list_)]


# （optional） 如果p值没有转换成 -log10（p） 那么需要
gwas_data["-LOG10_P"]=-np.log10(gwas_data["P"])
 
#开始做图:
plot = sns.relplot(data=gwas_data, x='i', y='-LOG10_P', aspect=2.3,\
                   hue='CHR', palette = 'dark', s=4, legend=None) 
 
#处理x轴上每个chr标注的位置，这里使用每条染色体上SNP索引的中间值
chrom_df=gwas_data.groupby('CHR')['i'].median()
 
#在上一步计算得到的位置添加x轴的刻度和标注
plot.ax.set_xticks(chrom_df)
plot.ax.set_xticklabels(chrom_df.index)
 
#最后添加各种标注，作为阈值的判断线，调整图像Y轴范围
plot.ax.set_xlabel('CHR')
plot.fig.suptitle('Manhattan plot')
plot.ax.axhline(y=-np.log10(5e-8), linewidth = 2,linestyle="--",color="orange")
plot.ax.set_ylim(0,20)

#保存图片
plt.savefig('manhattan.png')

图片效果

 这里数据多，图片面积小，会出现表示P值的点堆积在同一个X轴刻度的错觉。实际上，一个点表示一个SNP（碱基），对应一个P值。

补充，关于matplotlib做出的图Y轴的标签被遮住的问题

这个问题用plt.figure(figsize=(w,h))不能解决，修改画布的W和H，图像也会跟着缩放。但还是可以用如下的方法调整：

plt.show()

在如图圈出的红框中，进行调整，可对图像位置进行调整，最后在保存，就可以解决Y轴标签被遮住的问题。