从零开始学CIRCOS绘制圈图(一)

从零开始学CIRCOS绘制圈图(二)

从零开始学CIRCOS绘制圈图(三)

通常circos的中间部分不是空白区域，会用一条条线进行连接，表示两个染色体部分区域有关系，也就是共线性了。

数据格式

对于link，circos要求输入数据至少有6列，分别是 chr1 start1 end1 chr2 start2 end2[options]

举个例子

chr1 1000000 2000000 chr5 3000000 4000000

构建输入

这次会以A. lyrata 和 A.thalina的基因组为例，利用JCVI来构建Circos的输入.

新建一个项目文件夹

mkdir -p ath_aly && cd ath_aly

如果没有安装jcvi，用conda进行安装

conda create -n jcvi jcvi

conda activate jcvi

conda install last scipy

wget https://raw.githubusercontent.com/tanghaibao/jcvi-bin/master/bin/scip

chmod 755 scip

mv scip ~/miniconda3/bin

数据下载

从http://plants.ensembl.org/index.html分别下载这两个物种的GFF文件和CDS序列，

# Athaliana

wget ftp://ftp.ensemblgenomes.org/pub/plants/release-44/fasta/arabidopsis_thaliana/cds/Arabidopsis_thaliana.TAIR10.cds.all.fa.gz

wget ftp://ftp.ensemblgenomes.org/pub/plants/release-44/gff3/arabidopsis_thaliana/Arabidopsis_thaliana.TAIR10.44.gff3.gz

# Alyrata

wget ftp://ftp.ensemblgenomes.org/pub/plants/release-44/fasta/arabidopsis_lyrata/cds/Arabidopsis_lyrata.v.1.0.cds.all.fa.gz

wget ftp://ftp.ensemblgenomes.org/pub/plants/release-44/gff3/arabidopsis_lyrata/Arabidopsis_lyrata.v.1.0.44.gff3.gz

数据预处理

将GFF3转成BED格式

python -m jcvi.formats.gff bed --type=mRNA --key=transcript_id Arabidopsis_thaliana.TAIR10.44.gff3.gz > ath.bed

python -m jcvi.formats.gff bed --type=mRNA --key=transcript_id Arabidopsis_lyrata.v.1.0.44.gff3.gz > aly.bed

将BED去重复

python -m jcvi.formats.bed uniq ath.bed

python -m jcvi.formats.bed uniq aly.bed

提取CDS序列

seqkit grep -f ath.cds

seqkit grep -f aly.cds

karyotype

从ENSEMBLE下载的GFF文件中，已经包含了每个基因组的大小, 当然也可以各种工具从基因组序列序列中获取大小。

karyotype.aly.txt

chr - aly1 aly1 0 33132539 rdylbu-11-div-1

chr - aly2 aly2 0 19320864 rdylbu-11-div-2

chr - aly3 aly3 0 24464547 rdylbu-11-div-3

chr - aly4 aly4 0 23328337 rdylbu-11-div-4

chr - aly5 aly5 0 21221946 rdylbu-11-div-5

chr - aly6 aly6 0 25113588 rdylbu-11-div-6

chr - aly7 aly7 0 24649197 rdylbu-11-div-7

chr - aly8 aly8 0 22951293 rdylbu-11-div-8

karyotype.tair10.txt

chr - ath1 ath1 0 30427671 brbg-10-div-1

chr - ath2 ath2 0 19698289 brbg-10-div-3

chr - ath3 ath3 0 23459830 brbg-10-div-5

chr - ath4 ath4 0 18585056 brbg-10-div-7

chr - ath5 ath5 0 26975502 brbg-10-div-9

因为ENSMEBLE上Athalina和Alyrata的染色体命名都是1,2,3…，就会导致CIRCOS无法正确的区分来源，因此在原本的命名前加上了物种名缩写做为标签。

同时。我们要修改之前的bed文件

sed -e "s/^/ath/" ath.uniq.bed > ath.bed

sed -e "s/^/aly/" aly.uniq.bed > aly.bed

links

为了构建links文件，需要利用JCVI进行共线性分析.

确保有4个文件

$ ls ???.???

aly.bed aly.cds ath.bed ath.cds

用jcvi进行分析

python -m jcvi.compara.catalog ortholog --no_strip_names ath aly

python -m jcvi.compara.synteny screen --minspan=30 --simple ath.aly.anchors ath.aly.anchors.new

其中 ath.aly.anchors.simple是我们后续要用到的文件。

$ head -n 1 ath.aly.anchors.simple

AT1G24260.1 AT1G27280.1 fgenesh1_pm.C_scaffold_1002045 fgenesh2_kg.1__2877__AT1G24260.1 225 -

我们需要将 ath.aly.anchors.simple里的基因名替换成实际的位置信息，将其变成符合Circos的输入信息。

我写了一个simple2links.py脚本，代码在我的GitHub上，https://github.com/xuzhougeng/myscripts。

python ~/myscripts/simple2links.py ath.aly.anchors.simple

最终会输出 ath.aly.anchors.simple_link.txt

配置circos

接下来做如下配置。新建一个etc文件夹，在里面建立一个 links.conf用来配置links, 建立一个 ticks.conf配置ticks

mkdir etc

# vim etc/links.conf

file = ath.aly.anchors.simple_link.txt

radius = 0.61r

color = blue_a4

ribbon = yes

# vim etc/ticks.conf

show_ticks = yes

show_tick_labels = yes

radius = 1r

color = black

thickness = 2p

multiplier = 1e-6

format = %d

spacing = 1u

size = 5p

thickness = 4p

spacing = 5u

size = 10p

show_label = yes

label_size = 10p

label_offset = 10p

format = %d

编辑 circos.conf

karyotype = karyotype.tair10.txt,karyotype.aly.txt

chromosomes_color = chr1=rdylbu-11-div-1,chr2=rdylbu-11-div-3,chr3=rdylbu-11-div-5,chr4=rdylbu-11-div-7,chr5=rdylbu-11-div-9

chromosomes_units = 1000000

<>

default = 0.005r

radius = 0.90r

thickness = 20p

fill = yes

stroke_color = dgrey

stroke_thickness = 2p

show_label = yes #展示label

label_font = default # 字体

label_radius = dims(ideogram,radius) + 0.08r #位置

label_size = 16 # 字体大小

label_parallel = yes # 是否平行

label_format = eval(sprintf("%s",var(chr))) # 格式

<>

dir* = . # 输出文件夹

radius* = 500p # 图片半径

svg* = no # 是否输出svg

<>

<>

<>

运行 circos-conf circos.conf的效果如下

不难发现一个问题，里面线的颜色一模一样，不容易进行区分。虽然可以在输入 ath.aly.anchors.simple_link.txt里增加颜色，但是circos提供了一个动态规则，可以更加方便的直接在配置文件里修改。

建立规则(rules)

circos的配置格式为

...

...

...

circos的规则可以很复杂，但是最简单的情况就是下面这种

condition = var(chr1) eq "ath1"

color=rdylgn-5-div-1

condition=var(chr1)eq"ath1"表示，判断link文件中左侧染色体的名字( var(chr1))是不是( eq)"ath1"，如果是的话，那么颜色就是rdylgn-5-div-1

我们可以在 etc/links.conf中增加五个条件，修改后的 links.conf如下

file = ath.aly.anchors.simple_link.txt

radius = 0.61r

color = blue_a4

ribbon = yes

condition = var(chr1) eq "ath1"

color=rdylgn-5-div-1

condition = var(chr1) eq "ath2"

color=rdylgn-5-div-2

condition = var(chr1) eq "ath3"

color=rdylgn-5-div-3

condition = var(chr1) eq "ath4"

color=rdylgn-5-div-4

condition = var(chr1) eq "ath5"

color=rdylgn-5-div-5

运行 circos-conf circos.conf的效果如下

这张图还有几个问题是，

1，通常别人的Circos染色体都是对称排列，右边第一个是ath1，那么左边第一个也最好是aly1，那么应该如何配置呢？

2，以及两套基因组会分别占据两侧，中间有一个明显的空隙，如何做到的呢？

下一期就是最后一期了哦