前言

圖是一種抽象的數(shù)學(xué)結(jié)構(gòu)宿崭，不同對象之間通過線條連接起來释牺，而對象在圖中并沒有固定的位置表示，不同的放置位置顯示出的效果通常是不一樣的微服。

選擇一種優(yōu)秀的布局方式趾疚，可以讓圖形呈現(xiàn)出更好的效果，而 igraph 的工作方式是通過一類 node-edge 的算法來進(jìn)行布局的以蕴。

算法會將節(jié)點(diǎn)作為二維或三維空間上的點(diǎn)糙麦，使用直線或曲線來連接兩個相鄰的節(jié)點(diǎn)。對于有向圖來說丛肮，帶箭頭的線表示連接方向赡磅。在邊兩端的節(jié)點(diǎn)可以由不同的幾何圖形來表示，而一些重要的節(jié)點(diǎn)或邊的屬性可以用來設(shè)置圖形參數(shù)值宝与。

圖的可視化通常由三個步驟組成：

1. 找到節(jié)點(diǎn)在二維或三維空間上合適的排列方式焚廊，這一步可能是最重要的。好的布局往往能夠解釋一些有趣的現(xiàn)象习劫，如對稱性咆瘟、密集連接區(qū)域。

   
   

從上面的圖可以看出诽里，第一個隨機(jī)布局搞疗，完全看不出什么有價值的信息，而從第二和第三幅可以看出存在某些對稱性

2. 將節(jié)點(diǎn)和邊的重要屬性映射到圖像上

3. 安排好節(jié)點(diǎn)與邊的繪制順序

布局

布局算法用于尋找合適的排列方式须肆，但是找到優(yōu)秀的排列確實(shí)不容易匿乃，因此，大部分的算法都是通過間接測量來評估布局的好壞豌汇。而且是一種啟發(fā)式的方法來求解幢炸，所以并不是每次都能找到最優(yōu)解。

大部分的布局算法只適用于較小的圖拒贱，較大的圖需要一些特殊技術(shù)來處理宛徊。

igraph 中所有布局算法都是 layout_*() 形式佛嬉，每個布局算法都會返回一個 layout 實(shí)例，類似列表型的對象闸天，包含了每個節(jié)點(diǎn)在圖中的 x暖呕、y 坐標(biāo)。

布局函數(shù)

布局是通過 plot() 函數(shù)的 layout 參數(shù)來控制的苞氮，例如

我們隨機(jī)生成一張圖

g <- sample_gnm(n = 15, m = 25)
plot(g)

隨機(jī)布局

plot(g, layout = layout_randomly)

圓形布局

plot(g, layout = layout_in_circle)

力導(dǎo)向布局湾揽，最常用的是 Fruchterman-Reingold 算法

plot(g, layout = layout_with_fr)

另一種比較常用的力導(dǎo)向算法 Kamada Kawai

plot(g, layout = layout_with_kk)

設(shè)置樹狀圖

par(mfrow=c(1, 3))
tree <- make_tree(20, 3)
plot(tree, layout=layout_as_tree)
# 自底向上
plot(tree, layout=layout_as_tree(tree, flip.y=FALSE))
# 圓形排列
plot(tree, layout=layout_as_tree(tree, circular=TRUE))

設(shè)置根節(jié)點(diǎn)

par(mfrow = c(1, 2))
tree2 <- make_tree(10, 3) + make_tree(10, 2)
plot(tree2, layout = layout_as_tree)
plot(tree2, layout = 
       layout_as_tree(
         tree2, root = c(1, 11),
         rootlevel = c(2, 1)
         )
     )

傳遞位置矩陣

g <- sample_gnm(n = 15, m = 25)

l <- cbind(1:vcount(g), c(1, vcount(g):2))
plot(g, layout = l)

繪制圖形

我們在前面的介紹中，都只用了 plot() 函數(shù)來繪制圖形笼吟，所有的一切圖形屬性都是默認(rèn)的库物，默認(rèn)的顏色、大小贷帮、布局等戚揭。在我們設(shè)置了邊和節(jié)點(diǎn)的顏色屬性之后，圖片才顯示出了不同的顏色撵枢。

在這里民晒，我們將介紹如何來調(diào)整節(jié)點(diǎn)和邊的圖形屬性，igraph 的繪制參數(shù)包括

我們以 KEEE 數(shù)據(jù)庫中的 ErbB 信號通路中的 EGF-ERBB2-RAS-ERK 信號通路為例锄禽。

利用 KEGG 官網(wǎng)提供的 API 接口镀虐，處理并獲取通路的圖結(jié)構(gòu)，然后將其轉(zhuǎn)換為基因 symbol 邊列表沟绪，代碼如下

library(rvest)
library(tidyverse)

# 解析 ErbB signaling pathway 網(wǎng)絡(luò)結(jié)構(gòu)
kmgl <- read_html('http://rest.kegg.jp/get/hsa04012/kgml')
# 獲取所有基因的 entry id
node <- kmgl %>% html_elements(xpath = '//entry[@type="gene"]') %>%
  html_attrs() %>%
  lapply(function (x) c(x['id'], x['name'])) %>%
  do.call(rbind, .) %>%
  as.data.frame()
# 獲取所有 entry 之間的互作關(guān)系
edge <- kmgl %>% html_elements(xpath = '//relation') %>%
  html_attrs() %>%
  lapply(function (x) c(x['entry1'], x['entry2'])) %>%
  do.call(rbind, .) %>%
  as.data.frame()
# 將 entry id 轉(zhuǎn)換為 KEGG gene ID
net <- inner_join(node, edge, by = c('id' = 'entry1')) %>%
  inner_join(node, by = c('entry2' = 'id')) %>%
  dplyr::select(name.x, name.y) %>%
  dplyr::rename(source = name.x, target = name.y)
# 將多對一轉(zhuǎn)換為多個一對一
edges_list <- list()
for (i in seq_along(net[,1])) {
  gids <- str_split(gsub("hsa:", '', net[i,]), ' ')
  s <- data.frame('source' = gids[[1]])
  t <- data.frame('target' = gids[[2]])
  edges_list[[i]] <- crossing(s, t)
}
# 合并為邊列表
all_edges <- do.call(rbind, edges_list)

# EGF-ERBB2-RAS-ERK signaling pathway genes
sub_path <- c(
  1950, 2064, 1956, 2885,
  6654, 6655, 3265, 3845,
  4893, 369, 673, 5894, 5604,
  5605, 5594, 5595
  )

path_id <- all_edges %>%
  filter(source %in% sub_path & target %in% sub_path)

# 將 ENTREZID 轉(zhuǎn)換為 SYMBOL
library(org.Hs.eg.db)
s <- select(org.Hs.eg.db, keys = path_id$source, columns = 'SYMBOL', 'ENTREZID')
t <- select(org.Hs.eg.db, keys = path_id$target, columns = 'SYMBOL', 'ENTREZID')
# 獲取最終的 SYMBOL 邊結(jié)構(gòu)
sub_path <- tibble(
  source = s$SYMBOL,
  target = t$SYMBOL
) %>%
  distinct()

# 設(shè)置基因的類型刮便，是否癌基因或抑癌基因
genes <- unique(union(sub_path$source, sub_path$target))
gtype <- rep("other", length(genes))
gtype[grep("(RAS)|(RAF)", genes)] <- "proto-oncogene"

gene_type <- data.frame(
  genes = genes,
  type = gtype
)
# 獲取突變信息
mut <- read_delim('~/Downloads/luad_broad/data_mutations_mskcc.txt', delim = '\t') %>%
  dplyr::select(Hugo_Symbol, Variant_Classification) %>%
  filter(Hugo_Symbol %in% genes)

# 每個基因的突變頻數(shù)，即突變類型
mut_cnt <- group_by(mut, Hugo_Symbol) %>%
  summarise(mut_count = n())
mut_info <- distinct(mut) %>%
  group_by(Hugo_Symbol) %>%
  summarise(mut_class = n()) %>%
  left_join(mut_cnt)
# 將基因的所有信息整合在一起
node_attr <- left_join(gene_type, mut_info, by = c("genes" = "Hugo_Symbol")) %>%
  replace_na(list(mut_class = 0, mut_count = 0))

獲取代碼：https://github.com/dxsbiocc/learn/blob/main/R/data_process/get_hsa04012_kgml.R

突變數(shù)據(jù)：https://github.com/dxsbiocc/learn/blob/main/data/mutation/data_mutations_mskcc.txt

為了方便绽慈，我們并沒有考慮通路中基因或蛋白復(fù)合物的情況恨旱。

創(chuàng)建圖

g <- graph_from_data_frame(d = sub_path, vertices = node_attr)
plot(g, layout = layout_with_fr)

有兩種方法來設(shè)置節(jié)點(diǎn)和邊的圖形屬性，第一種就是在 plot() 函數(shù)中傳遞對應(yīng)的參數(shù)

例如坝疼，設(shè)置邊的箭頭大小和曲率

plot(g, layout = layout_as_tree, 
     edge.arrow.size=.4, 
     edge.curved=.1
     )

plot(g, layout = layout.circle, 
     edge.arrow.size=.2, 
     edge.color="#1f78b4",
     vertex.color="#33a02c", 
     vertex.frame.color="#fb9a99",
     vertex.label.color="#ff7f00"
     )

第二種方法搜贤，將圖形屬性添加到 igraph 對象中。

例如钝凶，我們想根據(jù)基因的類型設(shè)置不同的顏色仪芒，根據(jù)基因突變頻率設(shè)置節(jié)點(diǎn)的大小

# 設(shè)置基因的顏色
V(g)$color <- if_else(V(g)$type == "other", "#80b1d3", "#fb8072")
# 設(shè)置基因的大小
V(g)$size <- log10(V(g)$mut_count + 1) * 10
# 不顯示基因名
V(g)$label <- NA
# 假設(shè)我們有基因之間的相關(guān)性，用于設(shè)置邊的寬度
E(g)$width <- abs(rnorm(n = ecount(g)))
# 設(shè)置箭頭大小和邊的顏色
E(g)$arrow.size <- .2
E(g)$edge.color <- "gray80"
# 設(shè)置布局
graph_attr(g, "layout") <- layout_with_lgl

plot(g)

可以在 plot 中覆蓋圖形屬性參數(shù)的值

plot(g, edge.color="orange", vertex.color="gray50") 

添加圖例

legend(x=-1.5, y=-1.1, c("other","proto-oncogene"), pch=21,
       col="#777777", pt.bg=c("#80b1d3", "#fb8072"), 
       pt.cex=2, cex=.8, bty="n", ncol=1)

我們可以只顯示節(jié)點(diǎn)的文本耕陷，而不添加形狀

plot(g, vertex.shape="none", 
     vertex.label.font=2, 
     vertex.label.color="gray40",
     vertex.label.cex=.7, 
     edge.color="gray85",
     edge.arrow.size = .2
     )

為基因之間的調(diào)控與被調(diào)控關(guān)系設(shè)置不同的顏色

graph_attr(g, "layout") <- layout_with_lgl
V(g)$color <- if_else(V(g)$type == "other", "#80b1d3", "#fb8072")

edge.start <- ends(g, es=E(g), names=F)[,1]
edge.col <- V(g)$color[edge.start]

plot(g, edge.color=edge.col, edge.curved=.1, edge.arrow.size = .3) 

根據(jù)基因的度來設(shè)置基因的大小

deg <- degree(g, mode="all")
V(g)$size <- deg * 6

plot(g, edge.color=edge.col, 
     edge.curved=.1, edge.arrow.size = .3)

大家可以根據(jù)需求自己設(shè)置不同的顏色屬性掂名，就不再一一列舉了