人工设置网络模块位置-发挥你对可视化的最大潜能 / 四六文摘

写在前面

对于模块化布局，我们除了按照指定的位置排放之外，在这个包中，我加入了可以自己设置模块位置坐标的参数。

什么原理呢？当你指定一个模块化分组信息的时候，设定按照分组因子水平进行设置坐标即可。如果分组信息是字符串，就转化为因子对象，按照因子对象设置坐标位置。

微生物网络:实践

输入文件

#--导入所需R包#------- library(igraph) library(network) library(sna) library(ggplot2) library(ggrepel) library(ggClusterNet) #-----导入数据#------- ps = readRDS("../ori_data/ps_liu.rds") ps

corMicro函数用于计算相关

按照丰度过滤微生物表格，并却计算相关矩阵，按照指定的阈值挑选矩阵中展示的数值。

#-----微生物网络构建参数设置#---- #-提取丰度前百分之多少的otu进行构建网络 # N = 0.02 # r.threshold=0.6 # p.threshold=0.05


#----------计算相关#----

result = corMicro (ps = ps,N = 0.02,r.threshold=0.8,p.threshold=0.05,method = "pearson")

#--提取相关矩阵 cor = result[[1]] # head(cor)

制作分组

这是网络布局的基础，无论是什么聚类布局，都需要制作一个分组文件，这个文件有两列，一列是节点，一列是分组信息，这个分组信息名称为：group。

#-提取tax注释文件，用于分组#-----


#-提取tax表格--目的是按照分类等级进行分组聚类绘制网络#----
ps_net = result[[3]]
vegan_tax <- function(physeq){

tax <- tax_table(physeq)
return(as(tax,"matrix"))

}

tax_table = as.data.frame(vegan_tax(ps_net))

netClu = data.frame(ID = row.names(tax_table),group =rep(1:5,length(row.names(tax_table)))[1:length(row.names(tax_table))] ) netClu$group = as.factor(netClu$group) head(netClu)

人工指定分组

这里一共有五个组，所以我设定了五个坐标，然后合并为一个数据框即可。

##-----人工置顶半径大小和圆心位置


#--这里我设置r都是相同的，也可以设置不同，然后包装成一个向量就可以了#-------

xs = as.data.frame(table(netClu$group))

r = rep(15,length(xs$Freq))

r

#----准备圆心坐标，往往与你的设计有关#---------

# 有多少个模块就提供多少个坐标

#--指定坐标吮顺序按照一下指定

xs$Var1

#-------人工准备坐标

ax1 = c(120,0)

ax2 = c(130,-30)

ax3 = c(140,-70)

ax4 = c(130,-110)

ax5 = c(120,-140)

da = rbind(ax1,ax2,ax3,ax4,ax5)

rArtifCluster根据分组，人工指定布局

#--------计算布局#--------- #-------计算网络布局-得到节点坐标=node#--------- result2 = ArtifCluster(cor = cor,nodeGroup =netClu,r = r,da =da)

node = result2[[1]] head(node)

nodeadd 节点注释的简单封装，便捷实用otu表格和分组文件进行注释

vegan_otu <- function(physeq){ OTU <- otu_table(physeq) if(taxa_are_rows(OTU)){ OTU <- t(OTU) } return(as(OTU,"matrix")) } otu_table = as.data.frame(t(vegan_otu(ps_net)))

#---node节点注释#----------- nodes = nodeadd(plotcord =node,otu_table = otu_table ,tax_table = tax_table) head(nodes)#-----计算边#-------- edge = edgeBuild(cor = cor,plotcord = node)

head(edge)

示意图出图

人工设置坐标用于什么场景呢？这里的植物是一个典型的例子，譬如我们要做植物的不同区域网络等，就可以设置坐标，放置到对应的位置上。我们在这里使用gganatogram包中的示意图，当然你也可以使用自定义的位图图片。

#载入所需R包#--------- library(gganatogram) library(viridis) # library(gridExtra)


organism = "solanum_lycopersicum.whole_plant"
data =other_key[[organism]]

library(scales)

show_col(data$colour)

data$colour =c("#4DAF4A")

# data$colour[1] = ""

# , sex='female', fill="colour"

p = gganatogram(data=data, organism=organism,ggplot2_only = TRUE,fillOutline='#a6bddb',fill = "colour") +

# theme_void() +

ggtitle(organism) +

theme(plot.title = element_text(hjust=0.5, size=9))

p

出图

pnet <- p + geom_segment(aes(x = X1, y = Y1, xend = X2, yend = Y2,color = as.factor(wei_label)), data = edge, size = 0.5) + geom_point(aes(X1, X2,fill = Phylum,size = mean),pch = 21, data = nodes) + scale_colour_brewer(palette = "Set1") + scale_x_continuous(breaks = NULL) + scale_y_continuous(breaks = NULL) + # labs( title = paste(layout,"network",sep = "_"))+ # geom_text_repel(aes(X1, X2,label=Phylum),size=4, data = plotcord)+ # discard default grid + titles in ggplot2 theme(panel.background = element_blank()) + # theme(legend.position = "none") + theme(axis.title.x = element_blank(), axis.title.y = element_blank()) + theme(legend.background = element_rect(colour = NA)) + theme(panel.background = element_rect(fill = "white", colour = NA)) + theme(panel.grid.minor = element_blank(), panel.grid.major = element_blank()) pnet

# pnet <- pnet + geom_text_repel(aes(X1, X2,label=elements),size=4, data = plotcord)

添加指向箭头，方便标识

#--------按照每个部分添加一个箭头 da2 = data.frame(x = da[,1] -50,y = da[,2]) da = as.data.frame(da) colnames(da) = c("x0","y0") da3 = cbind(da2,da) da3 p2 = pnet + geom_segment(aes(x = x, y = y, xend = x0, yend = y0),data = da3,arrow = arrow(length = unit(0.2,"cm"))) p2

ggsave("6.png",p2)

其他示意图

##-----人工置顶半径大小和圆心位置


#--这里我设置r都是相同的，也可以设置不同，然后包装成一个向量就可以了#-------

xs = as.data.frame(table(netClu$group))

r = rep(15,length(xs$Freq))

r

#----准备圆心坐标，往往与你的设计有关#---------

# 有多少个模块就提供多少个坐标

#--指定坐标吮顺序按照一下指定

xs$Var1

#-------人工准备坐标

ax1 = c(0,0)

ax2 = c(150,-10)

ax3 = c(140,-70)

ax4 = c(130,-110)

ax5 = c(0,-140)
da = rbind(ax1,ax2,ax3,ax4,ax5)
### rArtifCluster根据分组，人工指定布局
#-------计算网络布局-得到节点坐标=node#---------

result2 = ArtifCluster(cor = cor,nodeGroup =netClu,r = r,da =da)
node = result2[[1]]

head(node)
### nodeadd 节点注释的简单封装，便捷实用otu表格和分组文件进行注释
#---node节点注释#-----------

nodes = nodeadd(plotcord =node,otu_table = otu_table,tax_table =tax_table)

head(nodes)
#-----计算边#--------

edge = edgeBuild(cor = cor,plotcord = node)

head(edge) #载入所需R包#--------- p = gganatogram(data=other_key[["bos_taurus"]], outline = T, fillOutline='white', organism="bos_taurus", sex='female', fill="colour") + # theme_void() + ggtitle("bos_taurus") + theme(plot.title = element_text(hjust=0.5)) + coord_fixed() p

ggsave("7.png",pnet)

后记

其实微生物网络在大尺度范围内的应用也是相当广泛，所以网络布局结合地图的展示，我们在下一节，将代码送给大家。如果ggClusterNet帮助到了你，请致谢微生信生物，参考如下：“Thanks to the WeChat subscription account “Micro-Bioinformatics and microflora” sharing the analysis method tutorial. ”

如果使用ggClusterNet，可以暂时添加参考文献：“Yuan J, Zhao J, Wen T, Zhao M, Li R, Goossens P, Huang Q, Bai Y, Vivanco JM, Kowalchuk GA, Berendsen RL, Shen Q Root exudates drive the soil-borne legacy of aboveground pathogen infection Microbiome 2018,DOI: doi: 10.1186/s40168-018-0537-x”

人工设置网络模块位置-发挥你对可视化的最大潜能