复现NC图表:二分图 (bipartite plot) 网络绘制(三种方法)-应用于细胞互作受配体展示-调控网络展示等等

如题,这个标题有点长,首先我们需要展示的图是bipartite plot,中文有叫二分图、连线图的,总之就是展示两组之间网络关系。可以应用的地方有很多,不只是我们介绍的互作关系、或者ligands-target。起源是一篇《nature communications》文章的图,它展示的是ligand于targets。原文提供了代码,可以学习!


image.png

(reference:Gliovascular transcriptional perturbations in Alzheimer’s disease reveal molecular mechanisms of blood brain barrier dysfunction)
ggraph,首先相比于igraph,在很多设置上因为与ggplot互通,所以会简单很多,没有那么复杂,可操作性更强。layout可以自己设定,也可以参照上面的!

node_info <- rbind(data.frame(node = rownames(active_ligand_target_links), group="target"),
                   data.frame(node = colnames(active_ligand_target_links), group="ligands"))


no <- c(rep("no", 20), sample(c('up','down'), size = nrow(node_info)-20, replace = TRUE))
node_info$reg <- sample(no, size =nrow(node_info), replace = TRUE)


#构建ggraph作图数据
df_graph <- as_tbl_graph(as.matrix(active_ligand_target_links)) %>% 
  mutate(group=node_info$group, #添加分组信息
         reg  = node_info$reg)



#plot
# sugiyama
ggraph(df_graph, layout = 'igraph', algorithm='bipartite') +
  geom_edge_link(aes(colour=weight), edge_width =1)+
  scale_edge_color_gradientn(colours = c("grey80","grey50","grey30","black"))+
  geom_node_point(aes(fill=reg, filter= group =='ligands'), 
                  size=2,shape=21) +
  geom_node_point(aes(fill=reg, filter= group =='target'), 
                  size=2,shape=23)+
  scale_fill_manual(values = c("#E4502E","#69B7CE","black"),
                    breaks = c("up",'down',"no"),
                    labels = c("up",'down',"no"))+
  geom_node_text(aes(filter= group =='ligands',
                     label = name),
                  fontface = "italic",
                 hjust=1.1)+
  geom_node_text(aes(filter= group =='target',
                     label = name),
                 fontface = "italic",
                 hjust=-0.1)+
  coord_flip()+
  theme_minimal() +
  scale_y_discrete(expand = c(0.2,0.2))+
  ggraph::th_no_axes()




#调整layout

LO1 <- layout_as_bipartite(df_graph, maxiter=0);
re_pos <- c(seq(from = 0.5, by = 1, length.out = length(LO1[which(LO1[,2]==1)])),
            seq(from = 0.5, by = 1.1, length.out = length(LO1[which(LO1[,2]==0)])))

LO1[,1] <- re_pos



ggraph(df_graph, layout = LO1) +
  geom_edge_link(aes(colour=weight), edge_width =1)+ #连线
  scale_edge_color_gradientn(colours = c(alpha("grey90",0.5),
                                         alpha("grey60",0.5),
                                         alpha("grey30",0.5),"black"))+#连线颜色
  geom_node_point(aes(fill=reg, filter= group =='ligands'), 
                  size=2,shape=21) +#节点设置
  geom_node_point(aes(fill=reg, filter= group =='target'), 
                  size=2,shape=23)+
  scale_fill_manual(values = c("#E4502E","#69B7CE","black"),
                    breaks = c("up",'down',"no"),
                    labels = c("up",'down',"no"))+
  geom_node_text(aes(filter= group =='ligands',
                     label = name),
                 fontface = "italic",
                 hjust=1.1)+ #文字标注
  geom_node_text(aes(filter= group =='target',
                     label = name),
                 fontface = "italic",
                 hjust=-0.1)+
  coord_flip()+
  theme_minimal() +
  scale_y_discrete(expand = c(0.2,0.2))+
  ggraph::th_no_axes()
image.png
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 229,362评论 6 537
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 99,013评论 3 423
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 177,346评论 0 382
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 63,421评论 1 316
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 72,146评论 6 410
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 55,534评论 1 325
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 43,585评论 3 444
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 42,767评论 0 289
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 49,318评论 1 335
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 41,074评论 3 356
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 43,258评论 1 371
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 38,828评论 5 362
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 44,486评论 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 34,916评论 0 28
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 36,156评论 1 290
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 51,993评论 3 395
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 48,234评论 2 375

推荐阅读更多精彩内容