作者简介Introduction

taoyan：伪码农，R语言爱好者，爱开源。

个人博客: https://ytlogos.github.io/

公众号：生信大讲堂

往期回顾

R语言可视化学习笔记之相关矩阵可视化包ggcorrplot

R语言学习笔记之相关性矩阵分析及其可视化

ggplot2学习笔记系列之利用ggplot2绘制误差棒及显著性标记

ggplot2学习笔记系列之主题（theme）设置

用circlize包绘制circos-plot

利用R语言绘制世界航班路线图

简介

sequence logo图用来可视化一段序列某个位点的保守性，据根提供的序列组展示位点信息。这方面有很多在线小工具可以完成，这里使用R包ggseqlogo进行可视化。

安装

安装方式有两种

#直接从CRAN中安装

install.packages("ggseqlogo")

#从GitHub中安装

devtools::install.github("omarwagih/ggseqlogo")

#加载包

library(ggplot2)

library(ggseqlogo)

#加载数据

data(ggseqlogo_sample)

#seqs_dna

head(seqs_dna)[1]

## $MA0001.1

##  [1] "CCATATATAG" "CCATATATAG" "CCATAAATAG" "CCATAAATAG" "CCATAAATAG"

##  [6] "CCATAAATAG" "CCATAAATAG" "CCATATATGG" "CCATATATGG" "CCAAATATAG'

#pfms_dna

head(pfms_dna)[1]

## $MA0018.2

##   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]

## A    0    0   11    0    1    0    2    8

## C    1    1    0    9    0    3    7    0

## G    1   10    0    2   10    0    1    1

## T    9    0    0    0    0    8    1    2

#seqs_aa

head(seqs_aa)[1]

## $AKT1

##   [1] "VVGARRSSWRVVSSI" "GPRSRSRSRDRRRKE" "LLCLRRSSLKAYGNG"

##   [4] "TERPRPNTFIIRCLQ" "LSRERVFSEDRARFY" "PSTSRRFSPPSSSLQ"

ggseqlogo提供了一个直接绘图的函数ggseqlogo(),这是一个包装函数。下面命令结果同上面的。

ggseqlogo(seqs_dna$MA0001.1)

输入格式

ggseqlogo支持以下几种类型数据输入：

• 序列

• 矩阵

下面是使用数据中的位置频率矩阵生成的seqlogo

ggseqlogo(pfms_dna$MA0018.2)

方法

ggseqlogo通过method选项支持两种序列标志生成方法：bits和probability。

p1 <- ggseqlogo(seqs_dna$MA0001.1, method="bits")

p2 <- ggseqlogo(seqs_dna$MA0001.1, method="prob")

gridExtra::grid.arrange(p1,p2)

序列类型

ggseqlogo支持氨基酸、DNA和RNA序列类型，默认情况下ggseqlogo会自动识别数据提供的序列类型，也可以通过seq_type选项直接指定序列类型。

ggseqlogo(seqs_aa$AKT1, seq_type="aa")

自定义字母

通过namespace选项来定义自己想要的字母类型

#用数字来代替碱基

seqs_numeric <- chartr("ATGC", "1234", seqs_dna$MA0001.1)

ggseqlogo(seqs_numeric, method="prob", namespace=1:4)

配色

ggseqlogo可以使用col_scheme参数来设置配色方案，具体可参考?list_col_schemes

ggseqlogo(seqs_dna$MA0001.1, col_scheme="base_pairing")

自定义配色

ggseqlogo提供函数make_col_scheme来自定义离散或者连续配色方案

离散配色")

csl <- make_col_scheme(chars = c("A","T", "C", "G"), groups = c("gr1","gr1", "gr2","gr2"), cols = c("purple","purple","blue","blue"))

ggseqlogo(seqs_dna$MA0001.1,col_scheme=csl)

cs2 <- make_col_scheme(chars = c("A", "T", "C", "G"), values = 1:4)

ggseqlogo(seqs_dna$MA0001.1, col_scheme=cs2)

同时绘制多个序列标志

ggseqlogo(seqs_dna, ncol = 4)

上述命令实际上等同于

ggplot()+geom_logo(seqs_dna)+theme_logo()+

facet_wrap(~seq_group,ncol = 4,scales = "free_x")

set.seed(1234)

custom_mat <- matrix(rnorm(20), nrow = 4, dimnames = list(c("A","T","C", "G")))

ggseqlogo(custom_mat,method="custom",seq_type="dna")+

ylab("my custom height")

fonts <- list_fonts(F)

p_list <- lapply(fonts, function(f){

ggseqlogo(seqs_dna$MA0001.1,font=f)+ggtitle(f)

})

do.call(gridExtra::grid.arrange,c(p_list, ncol=4))

ggplot()+

annotate("rect", xmin = 0.5, xmax = 3.5, ymin = -0.05, ymax = 1.9, alpha=0.1, col="black", fill="yellow")+

geom_logo(seqs_dna$MA0001.1, stack_width = 0.9)+

annotate("segment", x=4, xend = 8, y=1.2, yend = 1.2, size=2)+

annotate("text", x=6, y=1.3, label="Text annotation")+

theme_logo()

p1 <- ggseqlogo(seqs_dna$MA0008.1)+theme(axis.text.x = element_blank())

aln <- data.frame(

letter=strsplit("AGATAAGATGATAAAAAGATAAGA", "")[[1]],

species=rep(c("a","b","c"), each=8),

x=rep(1:8,3)

)

aln$mut <- "no"

aln$mut[c(2,15,20,23)]="yes"

p2 <- ggplot(aln, aes(x, species)) +

geom_text(aes(label=letter, color=mut, size=mut)) +

scale_x_continuous(breaks=1:10, expand = c(0.105, 0)) + xlab('') +

scale_color_manual(values=c('black', 'red')) +

scale_size_manual(values=c(5, 6)) +

theme_logo() +

theme(legend.position = 'none', axis.text.x = element_blank())

bp_data <- data.frame(

x=1:8,

conservation=sample(1:100, 8)

)

p3 <- ggplot(bp_data, aes(x, conservation))+

geom_bar(stat = "identity", fill="grey")+

theme_logo()+

scale_x_continuous(breaks = 1:10, expand = c(0.105, 0))+

xlab("")

suppressMessages(require(cowplot))

plot_grid(p1,p2,p3,ncol = 1, align = "v")

## R version 3.4.3 (2017-11-30)

## Platform: x86_64-pc-linux-gnu (64-bit)

## Running under: Ubuntu 17.10

##

## Matrix products: default

## BLAS: /usr/lib/x86_64-linux-gnu/atlas/libblas.so.3.10.3

## LAPACK: /usr/lib/x86_64-linux-gnu/atlas/liblapack.so.3.10.3

##

## locale:

##  [1] LC_CTYPE=zh_CN.UTF-8       LC_NUMERIC=C

##  [3] LC_TIME=zh_CN.UTF-8        LC_COLLATE=zh_CN.UTF-8

##  [5] LC_MONETARY=zh_CN.UTF-8    LC_MESSAGES=zh_CN.UTF-8

##  [7] LC_PAPER=zh_CN.UTF-8       LC_NAME=C

##  [9] LC_ADDRESS=C               LC_TELEPHONE=C

## [11] LC_MEASUREMENT=zh_CN.UTF-8 LC_IDENTIFICATION=C

##

## attached base packages:

## [1] stats     graphics  grDevices utils     datasets  methods   base

##

## other attached packages:

## [1] cowplot_0.9.2 ggseqlogo_0.1 ggplot2_2.2.1

##

## loaded via a namespace (and not attached):

##  [1] Rcpp_0.12.15     knitr_1.20       magrittr_1.5     munsell_0.4.3

##  [5] colorspace_1.3-2 rlang_0.2.0      stringr_1.3.0    plyr_1.8.4

##  [9] tools_3.4.3      grid_3.4.3       gtable_0.2.0     htmltools_0.3.6

## [13] yaml_2.1.16      lazyeval_0.2.1   rprojroot_1.3-2  digest_0.6.15

## [17] tibble_1.4.2     gridExtra_2.3    evaluate_0.10.1  rmarkdown_1.8

## [21] labeling_0.3     stringi_1.1.6    compiler_3.4.3   pillar_1.1.0

## [25] scales_0.5.0     backports_1.1.2