一个圆形布局包含扇形(sector)和轨道(track)两个部分.扇形和轨道交叉的地方称之为cell.circlize使用的是R的base图层写的,因此和R自带的画图系统一样,包含high-level函数和低级绘图函数.高级绘图函数可以直接绘图,而低级绘图则只能在创建track之后,才能在上面绘图.

circlize中的low level function包括以下几种,每一个其实都在R中存在对应的函数,因此,只要熟悉R基础绘图函数, 对下面这些都不会陌生,只是将在笛卡尔坐标转换为极坐标:

1. 
   circos.points: 添加点.
   


2. 
   circos.lines: 添加直线.
   


3. 
   circos.segments: 添加segment.
   


4. 
   circos.rect: 在cell中添加矩形,比如热图,其实就是用该函数来绘制的.
   


5. 
   circos.polygon: 添加多边形.
   


6. 
   circos.text: 添加文字.
   


7. 
   circos.axis and circos.yaxis:对x和y坐标轴进行设置.
   

circlize中与layout相关的函数如下:

1. 
   circos.initialize: 用来启动一个初始的circos layout,其实就是用来创建sector,只有创建sector之后,才能添加track,进而在cell中绘图.
   


2. 
   circos.track: 在sector中创建track.
   


3. 
   circos.update: 对某一个已经创建并绘图的cell进行更行.
   


4. 
   circos.par: 与par相当,对一些整体参数进行设置,比如绘制扇形时的起始角度和顺序等.
   


5. 
   circos.info: prints general parameters of current circular plot.
   


6. 
   circos.clear: 关闭现在的circos图形,从而不会影响下一个图形的绘制.
   

下面用一个简单的例子,来一步步说明如何使用circlize绘制circos图形.

构建数据并启动一个circos layout.

我们一共构建8个种类的数据,在circos的表现就是8个sector.

set.seed(999)

n = 1000

df = data.frame(factors = sample(letters[1:8],

n, replace = TRUE),

x = rnorm(n), y = runif(n))

library(circlize)

circos.par("track.height" = 0.1)

circos.initialize(factors = df$factors,

x = df$x)

track.height用来设置所有轨道的默认高度.整个circos的直径默认为为1,所以将其设置为0.1意味着每个轨道的高度是整个圆圈直径的10%.当然,在后面绘制单个track的时候,也可以通过函数中的track.height参数来对单个track进行设置.

circos.initialize函数中必须要设置的两个参数,factors和x或者xlim.它会根据factors的level(如果不是factor则使用unique(factors))来确定创建几个sector.x则会根据factor自动进行分组,然后根据每组的range自动设置每个sector的宽度(宽度代表的是x轴).

使用上述代码初始化一个circos plot之后,下面要做的就是按照一层层轨道往上添加东西了.

添加轨道之前,首先需要使用circos.track函数来创建轨道,然后才可以使用low-level的函数往里面添加各种元素.

创建第一个track并添加点和文字circos.track(factors = df$factors, y = df$y,

panel.fun = function(x, y) {

circos.text(x = get.cell.meta.data("xcenter"),

y = get.cell.meta.data("cell.ylim")[2] + uy(5, "mm"),

labels = get.cell.meta.data("sector.index"))

circos.axis(labels.cex = 0.6)

})

col <-

rep(c("skyblue", "red"), 4)

circos.trackPoints(factors = df$factors,

x = df$x, y = df$y,

col = col, pch = 16, cex = 0.5)

circos.text(x = -1, y = 0.5, labels = "text",

sector.index = "a", track.index = 1)

circos.track函数中的panel.fun函数用来在创建cell的时候,自定义执行一定的功能.比如可以和低级绘图函数结合,来自动对每一个cell中自动添加点等等信息.

get.cell.meta.data函数可以提供当前的cell的meta信息.有很多信息可以从`中提取,后面再详细讲解.

circos.trackPoints函数与circos.points函数不同的点就是,他可以接受factors参数,从而可以自动将x和y按照factor分组,自动在每个cell分别绘制点.因此,他的效果,相当于使用circos.track函数,然后结合panel.fun函数,在其中使用circos.points函数.因此,上面的函数也可以写成下面的函数,效果相同.

circos.track(factors = df$factors, x = df$x, y = df$y,

panel.fun = function(x, y) {

circos.text(x = get.cell.meta.data("xcenter"),

y = get.cell.meta.data("cell.ylim")[2] + uy(5, "mm"),

labels = get.cell.meta.data("sector.index"))

circos.axis(labels.cex = 0.6)

circos.points(x = x, y = y, col = col,

pch = 16, cex = 0.5)

})

使用circos.trackHist函数.这是一个high-level的函数.high-level函数意味着它自己可以直接创建新的track,然后直接绘图.

bgcol <-

rep(c("#EFEFEF", "#CCCCCC"), 4)

circos.trackHist(df$factors, df$x, bin.size = 0.2, bg.col = bgcol, col = NA)

可以看到,默认的话,track是一层一层从外往里进行添加.

添加第三个track.

注意在circos.track函数中,x坐标(x)和y坐标(y)是自动被factor所分类的,也就是说传递到内部函数panel.fun中的x和y都是当前cell(也就是分类)的x和y.

下面,在第三个track中,我们在每个cell中随机选取10个点,然后按照x排序,连接成线.

circos.track(factors = df$factors, x = df$x, y = df$y,

panel.fun = function(x, y) {

ind = sample(length(x), 10)

x2 = x[ind]

y2 = y[ind]

od = order(x2)

circos.lines(x = x2[od], y = y2[od])

})

如果需要对某个cell中用的内容进行重新绘制,可以使用circos.update函数进行更新.注意一定需要指明所需要更新的sector和track的index.

注意,更新某个cell之后,当前(current)的cell就是你更新的cell,所以如果你想要对整个cell进行修改,比如添加新的点等,可以不需要指明cell.

circos.update(sector.index = "d", track.index = 2,

bg.col = "#FF8080", bg.border = "black")

circos.points(x = -2:2, y = rep(0.5, 5), col = "white")

circos.text(x = get.cell.meta.data("xcenter"),

y = get.cell.meta.data("ycenter"),

labels = "updated", col = "white")

但是,如果接着添加track,仍然是在最里层的track的基础上,往里面接着添加.

添加第四个track.

我们接着添加track,这次我们添加一个热图,使用的是circos.rect函数.因为该函数并不是high-level函数,因此我们需要使用circos.track先创建track,然后在其内部的panel.fun函数中在使用circos.rect函数为每个cell创建热图.

circos.track(ylim = c(0, 1),

panel.fun = function(x, y) {

xlim = get.cell.meta.data("xlim")

ylim = get.cell.meta.data("ylim")

breaks = seq(xlim[1], xlim[2], by = 0.5)

n_breaks = length(breaks)

circos.rect(xleft = breaks[-n_breaks],

ybottom = rep(ylim[1], n_breaks - 1),

xright = breaks[-1],

ytop = rep(ylim[2], n_breaks - 1),

col = rand_color(n_breaks), border = NA)

})

可以看到,circos.rect函数内部的四个参数:xleft,ybottom,xright和ytop可以是vector.

在内部添加连线(links)

我们添加连线或者缎带.也就是所谓的和弦图.连接可以是点对点,也可以点对区域,或者区域对区域.使用的是低级函数circos.link函数.

circos.link(sector.index1 = "a",

point1 = 0,

sector.index2 = "b",

point2 = 0, h = 0.4)

circos.link(sector.index1 = "c", point1 = c(-0.5, 0.5),

sector.index2 = "d", point2 = c(-0.5,0.5),

col = "skyblue",

border = "skyblue", h = 0.2)

circos.link(sector.index1 = "e", point1 = 0,

sector.index2 = "g", point2 = c(-1,1),

col = "green",

border = "black",

lwd = 2,

lty = 2)

最后,所有track都做完之后,需要重置你的graphic的参数等等,从而使你画下一个figure的时候,才不会搞混到一起.

circos.clearlayout(布局)

使用circlize进行画图的过程其实很简单:

初始化启动layout(创建了sector)->创建track->画图形->常见track->画图形-…-clear.

其中,对于画图来说,只要创建了该cell,就可以通过指定cell在任意时间进行画图.

1. 
   初始化layout(circos.initialize函数).
   


2. 
   创建track并画图.有三种方法可以创建track并画图.
   

• 
  使用circos.track创建track之后,使用low-level函数(如circols.points,circols.lines)画图.这时候,一般需要使用使用for循环,并且需要你手动提出每个cell对应的分类的数据(指定sector.index和track.index参数).
  


• 
  可以直接使用circos.trackPoints, circos.trackLines等函数直接创建track并添加图形.也就是每个低级参数都有其对应的circos.tracl...函数.
  


• 
  在circos.track函数中使用panel.fun函数.panel函数需要x和y参数,这个参数是在当前cell的x和y.这是作者推荐使用的方法.
  

sector和track

sector是一列(从外到里),而track是一行(一圈).sector在使用circos.initialize函数进行初始化的时候,就已经分配好了,一个sector代表着一类,因此,数据至少需要一组.

每个sector的宽度,与该组内的数据x的的range成正比.当然这是默认的,也可以通过手动设置xlim参数(circos.initialize)来指定每个sector的宽度.

xlim参数需要是一个两列的matrix,每一行对应着每一个sector的宽度的两个界限.因此,该matix的行数应该和sector的个数一致.

当然,你也可以设置xlim为两个元素的vector,这样,所有的sector的宽度就是一致的.

当初始化的时候,sector的顺序也已经被决定了.sector的顺序和你的数据中的分类的factor的因此水平时一致的,所以如果需要更改sector的顺序,请到原始数据中更改.

另外需要注意的时,在同一个sector中的不同track的cell,他们共享一个x轴.因此,当新建一个track的时候,我们没有必要设置xlim,只需要设置ylim就行了.

而对于一个track中的所有cell来说.他们共享一个ylim,因此像circos.track中的ylim参数,直接设置为两位的vector即可.

circos.track(factors, y = y)

circos.track(factors, ylim = c(0, 1))

circos.track(factors, x = x, y = y)

当创建新的track的时候,如果不想创建所有sector的track,可以在circos.track的factor参数只提供想要设置track的名字即可.

创建sector的时候,默认角度为0(水平).方向为顺时针,如果希望修改,可以通过设置:

circos.par("clock.wise" = TRUE,

start.degree = 90)总体参数

总体参数可以通过circos.par参数进行设置.

创建绘图区域

只有创建了绘图区域之后,才能够使用low-level函数进行绘图.一般,使用circos.track函数来进行绘制track.

panel.fun函数

该函数都是和circos.track函数配合使用.

在panel.fun中使用low-level绘图函数,不需要指明sector.index和track.index.

在panel.fun内部,可以使用get.cell.meta.data函数来获得当前cell的信息.

可以使用其获得的cell信息包括:

• 
  sector.index: The name for the sector.
  


• 
  sector.numeric.index: Numeric index for the sector.
  


• 
  track.index: Numeric index for the track.
  


• 
  xlim: Minimal and maximal values on the x-axis.
  


• 
  ylim: Minimal and maximal values on the y-axis.
  


• 
  xcenter: mean of xlim.
  


• 
  ycenter: mean of ylim.
  


• 
  xrange: defined as xlim[2] - xlim[1].
  


• 
  yrange: defined as ylim[2] - ylim[1].
  


• 
  cell.xlim: Minimal and maximal values on the x-axis extended by cell paddings.
  


• 
  cell.ylim: Minimal and maximal values on the y-axis extended by cell paddings.
  


• 
  xplot: Degree of right and left borders in the plotting region. The
  first element corresponds to the start point of values on x-axis and
  the second element corresponds to the end point of values on x-axis
  Since x-axis in data coordinate in cells are always clockwise, xplot[1]
  is larger than xplot[2].
  


• 
  yplot: Radius of bottom and top radius in the plotting region.
  


• 
  cell.start.degree: Same as xplot[1].
  


• 
  cell.end.degree: Same as xplot[2].
  


• 
  cell.bottom.radius: Same as yplot[1].
  


• 
  cell.top.radius: Same as yplot[2].
  


• 
  track.margin: Margins of the cell.
  


• 
  cell.padding: Paddings of the cell.
  

比如,可以使用下面的代码,在每个cell的中间,加上该cell的index.

circos.track(ylim = ylim,

panel.fun = function(x, y) {

sector.index = get.cell.meta.data("sector.index")

xcenter = get.cell.meta.data("xcenter")

ycenter = get.cell.meta.data("ycenter")

circos.text(xcenter, ycenter, sector.index)

})

CELL_META和get.cell.meta.data是等价的,比如,CELL_META$sector.index就等于get.cell.meta.data("sector.index").

但是该函数只能在panel.fun内部使用,用来获得当前cell的信息,而get.cell.meta.data则可以在指明sector和track index的前提下,在panel.fun外部使用.

使用circlize包画一个弯曲的热图.例子来源于Zuguang Gu博士的circlize包的官网.感兴趣的可以直接点击阅读原文查看.

library( 'circlize') ## ========================================

## circlize version 0.4.6

## CRAN page: https://cran.r-project.org/package=circlize

## Github page: https://github.com/jokergoo/circlize

## Documentation: http://jokergoo.github.io/circlize_book/book/

##

## If you use it in published research, please cite:

## Gu, Z. circlize implements and enhances circular visualization

## in R. Bioinformatics 2014.

## ======================================== ##首先需要构建数据

set.seed( 999)

mat <-

matrix(rnorm( 100* 10), nrow = 10, ncol = 100)

##构建颜色转变函数,数值将按照线性转变为对应的颜色.

col_fun = colorRamp2(breaks = c(- 2, 0, 2),

colors = c( "skyblue", "white", "red"))

##因为我们只有一个热图,因此我们只需要一个sector(扇形)即可,所以factor只需要一个.

factors = "a"

##需要对数据进行聚类,从而得到其dendrogram对象,用于后续的绘图

dend <-

as.dendrogram(hclust(dist(t(mat))))

###对整体函数做一些设置

circos.par(cell.padding = c( 0, 0, 0, 0),

start.degree = 90)

##初始化一个circos,注意xlim

circos.initialize(factors, xlim = c( 0, 100))

##使用circos.track创建第一个track,并将热图使用circos.rect函数绘制在该轨道中

circos.track(ylim = c( 0, 10),

bg.border = NA,

track.height = 0.6,

panel.fun = function(x, y) {

mat2 = mat[, order.dendrogram(dend)]

col_mat = col_fun(mat2)

nr = nrow(mat2)

nc = ncol(mat2)

for(i in1:nr) {

circos.rect(xleft = 1:nc - 1, ybottom = rep(nr - i, nc),

xright = 1:nc, ytop = rep(nr - i + 1, nc),

border = "white",

col = col_mat[i, ])

}

for(i in1:nc){

circos.text(x = c( 1: 100) - 0.5,

y = 10,

labels = c( 1: 100),

facing = "clockwise", niceFacing = TRUE,

cex = 1,

adj = c( 0, 0.5)

)

}

})

##然后使用circos.dendrogram将circos.dendrogram画在内部

##首先获得dendrogram对象的最高值

max_height <-

max(attr(dend, "height"))

circos.track(ylim = c( 0, max_height),

bg.border = NA,

track.height = 0.3,

panel.fun = function(x, y) {

circos.dendrogram(dend = dend,

max_height = max_height)

})

circos.clear

如果想要让其不是一个闭合的热图,可以考虑创建两个数据,其中一个数据为空数据,不在cell里面画图即可.

代码如下:

library( 'circlize')

##首先需要构建数据

set.seed( 999)

mat <-

matrix(rnorm( 50* 10), nrow = 10, ncol = 50)

##构建颜色转变函数,数值将按照线性转变为对应的颜色.

col_fun <-

colorRamp2(breaks = c(- 2, 0, 2),

colors = c( "skyblue", "white", "red"))

factors <-

factor(c(rep( "a", 10), rep( "b", 50)), levels = c( "a", "b"))

##需要对数据进行聚类,从而得到其dendrogram对象,用于后续的绘图

dend <-

as.dendrogram(hclust(dist(t(mat))))

##将数据分为三类,并标为不同的颜色

library(tidyverse) ## Warning: package 'tidyverse' was
built under R version 3.6.1 ## -- Attaching packages
--------------------------------------------------- tidyverse 1.2.1 --
## v ggplot2 3.2.0 v purrr 0.3.2

## v tibble 2.1.3 v dplyr 0.8.3

## v tidyr 0.8.3 v stringr 1.4.0

## v readr 1.3.1 v forcats 0.4.0 ## Warning: package 'tibble' was
built under R version 3.6.1 ## Warning: package 'dplyr' was built under R
version 3.6.1 ## -- Conflicts
------------------------------------------------------
tidyverse_conflicts --

## x dplyr::filter masks stats::filter

## x dplyr::lag masks stats::lag library(dendextend) ## Warning: package 'dendextend' was built under R version 3.6.1 ##

## ---------------------

## Welcome to dendextend version 1.12.0

## Type citation('dendextend') for how to cite the package.

##

## Type browseVignettes(package = 'dendextend') for the package vignette.

## The github page is: https://github.com/talgalili/dendextend/

##

## Suggestions and bug-reports can be submitted at: https://github.com/talgalili/dendextend/issues

## Or contact: <[email protected]>

##

## To suppress this message use: suppressPackageStartupMessages(library(dendextend))

## --------------------- ##

## Attaching package: 'dendextend' ## The following object is masked from 'package:stats':

##

## cutree dend <-

dend %>%

set( "branches_k_color", k = 3)

###对整体函数做一些设置

circos.par(cell.padding = c( 0, 0, 0, 0),

start.degree = 120)

##初始化一个circos,注意xlim

circos.initialize(factors, xlim = cbind(c( 0, 0), table(factors)))

##创建一个空track

circos.track(ylim = c( 0, 10),

bg.border = NA,

track.height = 0.6)

mat2 = mat[, order.dendrogram(dend)]

col_mat = col_fun(mat2)

nr = nrow(mat2)

nc = ncol(mat2)

for(i in1:nr) {

circos.rect(

xleft = 1:nc - 1,

ybottom = rep(nr - i, nc),

xright = 1:nc,

ytop = rep(nr - i + 1, nc),

border = "white",

sector.index = "b",

track.index = 1,

col = col_mat[i,]

)

}

##添加文字

for(i in1:nc) {

circos.text(

x = c( 1: 50) - 0.5,

y = 10,

labels = paste( "Var", c( 1: 50), sep = ""),

facing = "clockwise",

niceFacing = TRUE,

cex = 0.8,

adj = c( 0, 0.8),

sector.index = "b",

track.index = 1

)

}

##添加y坐标

circos.yaxis(side = "left", at = c( 1: 10),

labels = paste( "Sample", 1: 10, sep = ""),

tick = FALSE, sector.index = "b",

labels.font = 0.8,

col = "white")

##首先获得dendrogram对象的最高值

max_height <-

max(attr(dend, "height"))

##创建新的空track

circos.track(

ylim = c( 0, max_height),

bg.border = NA,

track.height = 0.3

)

circos.dendrogram(dend = dend,

max_height = max_height)

circos.clear

##添加legend

library(ComplexHeatmap) ## Loading required package: grid ## ========================================

## ComplexHeatmap version 2.0.0

## Bioconductor page: http://bioconductor.org/packages/ComplexHeatmap/

## Github page: https://github.com/jokergoo/ComplexHeatmap

## Documentation: http://jokergoo.github.io/ComplexHeatmap-reference

##

## If you use it in published research, please cite:

## Gu, Z. Complex heatmaps reveal patterns and correlations in multidimensional

## genomic data. Bioinformatics 2016.

## ======================================== lgd <-

Legend(at = c(- 2, - 1, 0, 1, 2), col_fun = col_fun,

title_position = "topcenter",

title = "Intensity")

draw(lgd, y = unit( 100, "mm"),

just = c( "top", "center"))

Github