「R繪圖」minimap2的PAF文件如何進行可視化?

Minimap2是知名比對工具BWA的開發(fā)者Li Heng新開發(fā)的比對工具,它能夠快速的將DNA或者mRNA序列比對到參考基因組上,使用場景有下面幾種:

  • 將PacBio或OXford Nanopore的read和已有參考基因組(如人類)進行比對
  • 尋找高錯誤率read(15%)之間的overlap
  • 將PacBio Iso-Seq 或Nanopore cDNA或RNA序列比對到參考基因組
  • 將illumina 單端或者雙端序列比對到參考基因組
  • 組裝之間的比對
  • 臨近物種的全基因組比對

最近用Canu的不同參數(shù)裝了幾個版本的基因組,希望比較不同組裝之間是否連續(xù),要是在組裝結(jié)果A里面的是ABCD的排布,在結(jié)果B里面卻出現(xiàn)了倒置變成了ACBD,那么我就要懷疑人生了。

我仔細看了一下PAF的輸出格式,發(fā)現(xiàn)輸出結(jié)果非常友好,但是不可能直接用read.table或者data.table::fread讀取,所以我就自己寫了一個解析函數(shù)。同時為了提高我對R語言中g(shù)rid系統(tǒng)的理解,我又寫了一個專門的畫圖代碼

代碼見最后,100多行的樣子,保存為paf.R, 使用方法為:

source(".paf.R")
df <- read.paf("./asm_vs_ref.paf")
plot_synteny(df)

兩個臨近物種的結(jié)果圖如下


效果圖1局部

同一物種不同組裝的效果圖

效果圖2局部

我原本以為畫這種圖需要累加坐標,后來發(fā)現(xiàn)原來grid系統(tǒng)里面的視圖(viewport)可以繼續(xù)分為很多個圖層,每個圖層可有不同的坐標系統(tǒng)。


read.paf <- function(file, sep = "\t",
                     header = FALSE,
                     MQ = 10,
                     ...){
  data <- readLines(file)
  
  dataSize <- length(data)
  # initialize 
  qName   <- vector("character", dataSize)
  qLength <- vector("integer", dataSize)
  qStart  <- vector("integer", dataSize)
  qEnd    <- vector("integer", dataSize)
  strand  <- vector("character", dataSize)
  tName   <- vector("character", dataSize)
  tLength <- vector("integer", dataSize)
  tStart  <- vector("integer", dataSize)
  tEnd    <- vector("integer", dataSize)
  reMatch <- vector("integer", dataSize)
  bLength <- vector("integer", dataSize)
  mQuality<- vector("integer", dataSize)

  i <- 1
  j <- 0
  for (i in seq(dataSize)){
    items   <- strsplit(data[i], split = sep)[[1]]
    
    quality <- as.numeric(items[12]) #Mapping Quality 0-255
    if (quality < MQ)
      next
    j <- j + 1
    qName[j]   <- items[1] # Query sequence name
    qLength[j] <- as.integer(items[2])
    qStart[j]  <- as.integer(items[3]) + 1L
    qEnd[j]    <- as.integer(items[4]) + 1L # convert 0-based to 1-based
    strand[j]  <- items[5] # Relative strand: "+" or "-"
    tName[j]   <- items[6] # Target sequence name
    tLength[j] <- as.integer(items[7])
    tStart[j]  <- as.integer(items[8]) + 1L
    tEnd[j]    <- as.integer(items[9]) + 1L
    reMatch[j] <- as.integer(items[10])  #Number of residue matches
    bLength[j] <- as.integer(items[11]) #Alignment block length
    mQuality[j]<- as.integer(items[12]) #Alignment block length
  } 
    pafDataframe <- data.frame(qName = qName[1:j], qStart = qStart[1:j], qEnd = qEnd[1:j],
                               tName = tName[1:j], tStart = tStart[1:j], tEnd = tEnd[1:j],
                               qLength = qLength[1:j], tLength = tLength[1:j], 
                               strand  = strand[1:j],
                               reMatch = reMatch[1:j], bLength = bLength[1:j],
                               mQuality = mQuality[1:j],
                               stringsAsFactors = FALSE)
  return(pafDataframe) 
}


plot_synteny <- function(df, contigs = 20,
                         lineSize = 3,
                         borderCol = "#5496ff",... ){
  
  # select the top N contig
  x <- df[,c("qName","qLength")]
  x <- x[!duplicated(x$qName),]
  x <- x[order(x$qLength, decreasing = TRUE),][1:contigs,]

  y <- df[,c("tName","tLength")]
  y <- y[!duplicated(y$tName),]
  y <- y[order(y$tLength, decreasing = TRUE),][1:contigs,]
  
  # make new page for ploting
  grid::grid.newpage()
  
  # allot the ratio of each contig
  x_frac <- x$qLength / sum(x$qLength)
  y_frac <- y$tLength / sum(y$tLength)
  
  # draw the contig name
  grid::pushViewport(grid::viewport(height = 0.7,
                        width =  0.7,
                        gp = grid::gpar(cex = 0.75),
                        name = "contigName"))
  x_pos <- c(0, cumsum(x_frac)[1:(contigs-1)])
  y_pos <- 1- c(0, cumsum(y_frac)[1:(contigs-1)])
  for (i in seq.int(1,contigs)){
    grid::grid.text(label = x[i,1], 
              x = grid::unit(x_pos[i], "npc"),
              y = grid::unit(1, "npc"),
              just = c("left","bottom"),
              rot = 35
              )
    grid::grid.text(label = y[i, 1],
              x = grid::unit(1, "npc"),
              y = grid::unit(y_pos[i], "npc"),
              just = c("left")
              )
    
  }
  
  vplay <- grid::grid.layout(contigs, contigs, 
                       widths  = x_frac,
                       heights = y_frac)
  grid::pushViewport(grid::viewport(layout = vplay,
                        name = "vplay"))
  
  
  # line represent the synteny
  for ( i in seq(1, contigs)){
    for (j in seq(1, contigs)){
      
      # get the name and length for subsetting
      xName   <- x[i,1]
      xLength <- x[i,2]
      yName   <- y[j,1] 
      yLength <- y[j,2]
      
      # push view port for plot Collinearity
      grid::pushViewport(grid::viewport(layout.pos.col = i,
                            layout.pos.row = j,
                            xscale = c(1, xLength),
                            yscale = c(1, yLength),
                            name = paste0("pos",i,j)))
  
      grid::grid.rect(gp=grid::gpar(col=borderCol))
      # select the data
      plot_df <- df[df$qName == xName & df$tName == yName,] 
      blocks <- nrow(plot_df)
      #cat(sprintf("block size is %d\n", blocks))
      
      if (blocks == 0) {
        grid::upViewport() 
        next
      }
      
      # plot the line
      for (k in seq(1, blocks)){
        if (plot_df$strand[k] == "+"){
          grid::grid.lines(x = c(plot_df$qStart[k], plot_df$qEnd[k]),
                     y = c(plot_df$tStart[k], plot_df$tEnd[k]),
                     gp=grid::gpar(lwd = lineSize),
                     default.units = "native")
        } else {
          grid::grid.lines(x = c(plot_df$qStart[k], plot_df$qEnd[k]),
                     y = c(plot_df$tEnd[k], plot_df$tStart[k]),
                     gp=grid::gpar(lwd = lineSize),
                     default.units = "native")
        }

      }
      
      grid::upViewport() 
    }
  }
}

他山之石

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,646評論 6 533
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,595評論 3 418
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,560評論 0 376
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,035評論 1 314
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,814評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,224評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,301評論 3 442
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,444評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,988評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 40,804評論 3 355
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,998評論 1 370
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,544評論 5 360
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 44,237評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,665評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,927評論 1 287
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,706評論 3 393
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,993評論 2 374

推薦閱讀更多精彩內(nèi)容