使用R语言包RIdeogram展示blast双序列比对结果

RIdeogram 是用来展示 染色体组型 （idiogram）的一个R语言包，比如展示snp的密度分布；展示某类基因在染色体上的分布等等。
具体介绍可以参考
https://www.plob.org/article/16335.html

发表的论文是

RIdeogram: drawing SVG graphics to visualize and map genome-wide data on the idiograms
PeerJ 2020

附件中还提供了好几份数据集合代码，非常好的学习素材。
我在看这个包的帮助文档的时候也发现了展示2个或者3个基因组共线性分析的图。
需要准备的数据是两个数据框，
第一个是基因组的基本信息，包括

> head(karyotype_dual_comparison)
  Chr Start      End   fill species size  color
1  I      1 23037639 969696   Grape   12 252525
2  II     1 18779884 969696   Grape   12 252525
3 III     1 19341862 969696   Grape   12 252525
4  IV     1 23867706 969696   Grape   12 252525
5   V     1 25021643 969696   Grape   12 252525
6  VI     1 21508407 0ab276   Grape   12 252525

第二个是共线性分析的结果

> head(synteny_dual_comparison)
  Species_1  Start_1    End_1 Species_2 Start_2   End_2   fill
1         1 12226377 12267836         2 5900307 5827251 cccccc
2        15  5635667  5667377        17 4459512 4393226 cccccc
3         9  7916366  7945659         3 8618518 8486865 cccccc
4         2  8214553  8242202        18 5964233 6027199 cccccc
5        13  2330522  2356593        14 6224069 6138821 cccccc
6        11 10861038 10886821        10 8099058 8011502 cccccc

了解了基本的数据输入格式，那么我们就可以将blast的比对结果转化成这种形式。

首先是使用blast比对
构建数据库

makeblastdb -in mt.fasta -dbtype nucl -out mt

比对

blastn -query cp.fasta -db mt -outfmt 6 > output.txt

构造RIdeogram的输入数据

df1.txt文件内容

Chr,Start,End,fill,species,size,color
I,1,131478,FF9D1E,chloroplast,12,252525
I,1,444567,FF9D1E,mitochondrion,12,252525

output6.txt文件内容

NC_044701   NC_044768   96.76   1603    43  7   54477   56074   375799  374201  0.0 2663
NC_044701   NC_044768   83.69   423 37  19  68192   68587   44003   44420   2e-101  370
NC_044701   NC_044768   85.28   326 38  5   66335   66654   360145  360466  1e-88   327
NC_044701   NC_044768   74.07   891 172 45  102938  103801  332888  333746  1e-83   311
NC_044701   NC_044768   90.54   148 11  3   36180   36324   64144   64291   4e-48   193
NC_044701   NC_044768   95.56   90  3   1   49  138 406657  406745  4e-33   143
NC_044701   NC_044768   96.51   86  2   1   110947  111032  420751  420667  2e-32   141
NC_044701   NC_044768   96.43   84  3   0   31738   31821   384266  384349  5e-32   139
NC_044701   NC_044768   94.94   79  4   0   53913   53991   2926    3004    2e-27   124
NC_044701   NC_044768   96.77   62  2   0   105594  105655  110375  110314  2e-21   104
NC_044701   NC_044768   87.34   79  6   3   88210   88284   240028  240106  2e-16   87.9
NC_044701   NC_044768   100.00  31  0   0   10365   10395   63403   63373   2e-07   58.4
NC_044701   NC_044768   96.97   33  0   1   66299   66330   360093  360125  2e-06   54.7

作图代码

df1<-read.csv("df1.txt",stringsAsFactors = F)
df1
df2<-read.csv("output6.txt",header=F,sep="\t",stringsAsFactors = F)
df3<-df2[,c(3,7,8,9,10)]
df3$fill<-ifelse(df3$V3>90,"0080cc",
                 ifelse(df3$V3<80,"0ab276","e64e60"))

df3$Species_1<-1
df3$Species_2<-1
head(df3)
df4<-df3%>%
  select(Species_1,V7,V8,Species_2,V9,V10,fill)
colnames(df4)<-colnames(synteny_dual_comparison)
ideogram(karyotype =df1 ,
         synteny=df4,output = "1.svg")
rsvg_pdf("1.svg",'3.pdf')

结果

image.png

但是这个图有一个缺点是不能体现出两条序列长度的差异，不知道能不能按长度的比列来显示，如何用代码实现暂时还不知道。
想到一个办法是出图后手动加上刻度线

今天先到这里了
欢迎大家关注我的公众号
小明的数据分析笔记本