上一篇推文介绍了MetaNet进行网络可视化以及各种布局方法，本文将介绍一些扩展绘图方法以及兼容工具。
可以从 CRAN 安装稳定版：install.packages("MetaNet")
依赖包 pcutils和igraph（需提前安装），推荐配合 dplyr 进行数据操作。
1
2
3
4
5
6
|
library(MetaNet)
library(igraph)
# ========data manipulation
library(dplyr)
library(pcutils)
|
兼容工具
ggplot2风格
如果你更熟悉ggplot2，可以使用as.ggig()函数将基础R绘图转换为ggplot2风格：
1
2
|
as.ggig(multi1_with_anno) -> ggig
class(ggig)
|
这样你就可以使用labs()、theme()、ggsave()和cowplot::plot_grid()等函数来制作更好的图形。
Gephi集成
处理大型数据集时，我推荐使用Gephi进行布局，运行比较快且美观。MetaNet提供了通过graphml格式文件与Gephi的接口：
1
|
c_net_save(co_net, filename = "~/Desktop/test", format = "graphml")
|
将test.graphml导入Gephi并进行布局，从Gephi导出graphml文件：test2.graphml，然后在MetaNet中重新绘制：
1
2
3
4
|
input_gephi("~/Desktop/test2.graphml") -> gephi
c_net_plot(gephi$go, coors = gephi$coors,
legend_number = T,
group_legend_title = "Phylum")
|
Cytoscape集成
Cytoscape是另一个优秀的网络可视化软件，包含许多插件。将test.graphml导入Cytoscape进行布局，然后导出为cyjs文件，MetaNet可以读取：
1
2
3
4
|
input_cytoscape("~/Desktop/test2.cyjs") -> cyto
c_net_plot(co_net, coors = cyto$coors,
legend_number = T,
group_legend_title = "Phylum")
|
NetworkD3交互式可视化
NetworkD3可以生成基于JavaScript的交互式网络图，输出对象是适合网页的htmlwidgets：
1
|
netD3plot(multi1_with_anno)
|
扩展绘图
模块图
使用mark_module=T在网络中标记你的模块，下次会具体介绍网络模块分析：
1
2
|
test_module_net <- module_net(module_number = 3, n_node_in_module = 30)
c_net_plot(test_module_net, mark_module = T,module_label = T,module_label_just=c(0.2,0.8))
|
pie节点
把网络里的节点直接画成pie图，不用在AI里面一个个拖过去了：
1
2
3
4
|
data("otutab")
data("c_net")
hebing(otutab, metadata$Group) -> otutab_G
head(otutab_G)
|
1
2
3
4
5
6
7
|
## NS WS CS
## s__un_f__Thermomonosporaceae 1218.3333 1227.3333 1912.1667
## s__Pelomonas_puraquae 2087.6667 873.5000 1241.6667
## s__Rhizobacter_bergeniae 819.1667 781.3333 1164.8333
## s__Flavobacterium_terrae 816.1667 944.6667 986.5000
## s__un_g__Rhizobacter 821.8333 540.6667 953.3333
## s__un_o__Burkholderiales 972.6667 327.5000 522.6667
|
1
2
3
4
|
co_net_f=c_net_filter(co_net,name%in%head(rownames(otutab_G),40))
c_net_plot(co_net_f,pie_value=otutab_G,
vertex.shape=c("pie"), #把你需要展示pie的节点的shape设置为pie
pie_legend=T,color_legend=F,vertex_size_range=c(10,18))
|
韦恩图网络
当集合里的点数量合适时，韦恩图网络算是个不错的展示方法
1
2
3
4
|
data(otutab, package = "pcutils")
tab <- otutab[400:485, 1:3]
head(tab) #0代表不存在
|
1
2
3
4
5
6
7
|
## NS1 NS2 NS3
## s__un_g__Brevundimonas 0 4 0
## s__un_g__Shinella 0 10 12
## s__Ramlibacter_henchirensis 0 9 6
## s__Cystobacter_gracilis 3 4 17
## s__un_g__Gordonia 0 6 16
## s__un_f__Nannocystaceae 0 6 0
|
1
2
|
venn_net(tab) -> v_net
plot(v_net)
|
两列边列表
1
2
3
4
5
6
|
twocol <- data.frame(
"col1" = sample(letters, 30, replace = TRUE),
"col2" = sample(c("A", "B"), 30, replace = TRUE)
)
twocol_net <- twocol_edgelist(twocol)
c_net_plot(twocol_net, g_layout_polygon(twocol_net),labels_num = "all")
|
网络树
1
2
3
4
5
6
7
8
9
|
data("otutab", package = "pcutils")
cbind(taxonomy, num = rowSums(otutab))[1:20, ] -> test
df2net_tree(test) -> ttt
par(mfrow = c(1, 2))
plot(ttt, edge_legend = F, main = "Tree network", legend_position = c(left_leg_x = -1.3),
edge.arrow.size = 1,edge.arrow.width = 1,rescale=T)
plot(ttt, coors = as_circle_tree(), legend = F, main = "Circle tree network",
edge.arrow.size = 0.5,edge.arrow.width = 1,rescale=T)
|
奥运五环图
这个也是上次讲的分组布局的应用了，g_layout函数布局，用下面的代码就可以绘制：
1
2
3
4
5
6
7
8
9
10
11
12
13
|
r <- 1
pensize <- r / 6
rings_data <- data.frame(
x = c(-2 * (r + pensize), -(r + pensize), 0, (r + pensize), 2 * (r + pensize)),
y = c(r, 0, r, 0, r),
color = c("#0081C8", "#FCB131", "#000000", "#00A651", "#EE334E")
)
g1 <- module_net(module_number = 5, n_node_in_module = 30)
plot(g1,
coors = g_layout(g1, layout1 = rings_data[, 1:2], zoom1 = 1.2, zoom2 = 0.5),
rescale = FALSE, legend = FALSE, main = "Olympic Rings", vertex.frame.color = NA,
edge.width = 0, vertex.color = setNames(rings_data$color, 1:5), vertex.size = 7
)
|
References
- Koutrouli M, Karatzas E, Paez-Espino D and Pavlopoulos GA (2020) A Guide to Conquer the Biological Network Era Using Graph Theory. Front. Bioeng. Biotechnol. 8:34. doi: 10.3389/fbioe.2020.00034
- Faust, K., and Raes, J. (2012). Microbial interactions: from networks to models. Nat. Rev. Microbiol. https://doi.org/10.1038/nrmicro2832.
- Y. Deng, Y. Jiang, Y. Yang, Z. He, et al., Molecular ecological network analyses. BMC bioinformatics (2012), doi:10.1186/1471-2105-13-113.
