论文
AnchorWave: Sensitive alignment of genomes with high sequence diversity, extensive structural polymorphism, and whole-genome duplication
这个是做植物基因组比对的一个工具，正好最近在看这个论文。论文中公布了部分作图代码，作图使用到的是R语言的ggplot2。跟着其中的代码学习一下。论文本地文件是e2113075119.full.pdf
今天的推文重复一下论文附件中的Fig S1
这个图是用面积图来展示的拟南芥基因组中变异长度的分布
论文中提供的代码链接是 https://github.com/baoxingsong/genomeAlignment/blob/main/Arabidopsis/pipeline.Rmd
这里涉及到了18个数据，我这里只按照论文提供的代码处理 得到了第一个小图的数据，这里就不介绍处理原始数据的代码了，我们只介绍作图的R语言代码
处理数据的代码里用到了一个gean的工具，工具对应的论文是 Complement Genome Annotation Lift Over Using a Weighted Sequence Alignment Strategy
对应的github链接 https://github.com/baoxingsong/GEAN
作图用到的数据是
tair10.fa.faibur_0.v7c.sdi.length
首先是读取数据
faidx = read.table("tair10.fa.fai")
genome_size = sum(faidx$V2)
dat = read.table("bur_0.v7c.sdi.length")
加载需要用到的R包
library(ggplot2)
library(data.table)
library(dplyr)
将数据整理成作图要求的格式
dat$length = dat$V1
dat[which(dat$V1 < dat$V2),]$length = dat[which(dat$V1 < dat$V2),]$V2
df<- dat[order(dat$length),] %>% mutate(CUMFREQ=cumsum(length))
作图代码
p <- ggplot(data=df, aes(x=length, y=CUMFREQ)) +
geom_area( fill = "#00BFC4", position = 'identity') +
labs(x="Variant length", y="Cumulative length", fill="", title="") +
xlim(0, 65000) + ylim(0, 5200000)+
theme_grey(base_size = 36) +
theme(axis.line = element_blank(),
panel.background = element_blank(),
panel.border = element_rect(fill=NA,color="black",
size=0.5, linetype="solid"))
print(p)
出图如下
论文中提供的代码是因为有很多相同的数据要处理，所以他把作图代码整理成了函数的形式，大家可以研究一下论文中提供的代码
总共有18个这种图，最后如果要拼图可以借助aplot这个R包,这个R包里有一个函数是plot_list(),画很多个图非常方便
以下拼图代码需要的内存可能比较大，运行的时候需要谨慎
library(patchwork)
library(aplot)
pdf(file = "pnasfigures1.pdf",
width = 18.8,
height = 8,
family = "serif")
plot_list(list(p,p,p,p,p,p,p,p,p,
p,p,p,p,p,p,p,p,p),ncol=4)+
plot_annotation(tag_levels = "a")
dev.off()
最终结果如上
推文的示例数据和代码获取方式可以在微信公众号获取
欢迎大家关注我的公众号
小明的数据分析笔记本
小明的数据分析笔记本 公众号 主要分享：1、R语言和python做数据分析和数据可视化的简单小例子；2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记；3、生物信息学入门学习资料及自己的学习笔记！