劉小澤上篇寫于18.10.3 ，中篇寫于18.10.4，下篇寫于18.10.6
學習障礙的規律往往是：不是因為它多難，而是因為你不知道它難不難！之前就見過各種文章中的復雜美觀的圓圈圖，被震撼到，這么多的信息是如何放到一個圖中的？后來遇到一個網站Circos專門做圓圈圖，很專業的樣子，于是有心學一下。雖然看似很難，但是美好的東西，不都是奮斗出來的嗎？
前言
背景知識
Circos并不直接用R做，而是一個Perl語言開發的可視化軟件，由加拿大生信科學家Martin Krzywinski開發，可以用于描述關系型數據和多維度的數據可視化
其次，什么樣的可視化軟件會受歡迎？一是輸入簡單，不需要太多的數據處理技巧就能調整到要求的輸入格式；二是輸出美觀、快捷。這兩點，Circos都做到了
Circos的設計初衷：展示線性位置關系（如染色體上的信息）、展示一個幾何中兩個對象的關系（如比對信息）。將線性折成封閉曲線可以減少數據分散性
重造了個輪子？
程序設計者最大的忌諱就是“重復造輪子”，目前有許多基因組瀏覽器：UCSC(http://genome-asia.ucsc.edu/cgi-bin/hgGateway?redirect=manual&source=genome.ucsc.edu)、Ensembl（https://asia.ensembl.org/index.html）、Vista(http://pipeline.lbl.gov/cgi-bin/gateway2?bg=cin1&selector=vista)、VEGA（http://vega.archive.ensembl.org/index.html）、
ARGO。
當然，這些基因組瀏覽器含有的數據量都非常大，但如何從隱晦的龐大數據中抽出具體的數據再展示出來是個問題。比如染色體包含的數據很多，我們要是想展示染色體上的位置特征如某些基因，用circos的圓圈圖就可以兼顧大數據與小信息
數據的關系
先說下數據類型，無非就是標量數據(scalor，有大小，沒方向)、向量數據（vector，有大小和方向），將數據可視化也就是標量化、向量化。基因組就是一個一維的數據結構，上面的位置就是標量
最常見的就是標量數據進行標量可視化，比如輸入數據是基因組位置，輸出是實值（如GC含量、保守度），就可以用直方圖（histogram）、折線圖、散點圖（scatter）畫出。當數據集比較小、關系比較簡單時還是可以看出變化趨勢的，但是當數據之間存在交叉、數據量比較大時，一致性就體現不出來啦
或者有的圖很好看，但是信息雜亂無章
又或者想表達相關性，一般使用曲線，但是在標量數據上展示曲線，數量一多就亂了
可能會想，把部分曲線抬高不就能區分開啦？但是抬高了顯示的信息量勢必會減少
為什么用圓圈？
圖形可視化這么多形狀，矩形、三角形、圓形...，其中圓形比矩形更對稱，視覺壓力不會那么大，看圓形會更圓潤；
-
圓形有效載荷（data payload）會更大：文章中在尺寸、位置等對圖片的限制還是蠻多的，如何體現數據有效載荷，這里有一個公式～軸的長度/圖片面積。
對于矩形來說，2a/4a2 = 1/2a (2a是x、y軸長度之和); 對于圓形來說，2πa/πa2 = 2/a。圓形是矩形體現的數據的4倍
軸長度多長會分散注意力，圓形更容易聚焦
看下面圖是不是更好點？
圓圈圖的一些元素
可以設置環形的數據軌道：如線形、散點、直方圖，可以設置點(線)顏色、粗細、線形狀。并且各個區域可以直接縮放，而不用截掉數據
-
環形坐標軸
需要帶有距離刻度的對象，比如：染色體、序列、基因圖譜、片段重疊群（contig）
配置文件，在內置的基礎上進行修改，比如thickness、size、label、labelsize、grid等
-
使用高亮highlight創建不同的顏色片段，置于所有圖層底部
4.png -
基因組間的mapping
設置links seqdup，也就是不同染色體中出現的同一個序列片段，在圓圈圖中進行展示，例如
-
設置格式規則
6.png
-
組合不同的圖片類型
左：散點+箱線+折線；右：瓦片+熱圖+直方圖
7.png
- 實際應用
輸入：GFF；輸出：PNG、SVG
安裝
基于Unix（推薦linux）和perl，需要熟悉命令行
先檢查Perl
Unix是默認安裝了perl，perl 5.8之前的都需要升級；windows用戶可以用dos或者git bash，先調出來命令行，然后安裝perl，安裝 Strawberry Perl 或者 ActiveState Perl
perl在linux下的存在目錄是/bin/env，在mac下的存在目錄是/bin/usr/env
下載
# 目前最新的版本還是17年7月31的
wget http://circos.ca/distribution/circos-0.69-6.tgz
tar zxvf circos-0.69-6.tgz
# 放入環境變量
echo 'export PATH=/Your_path/circos-0.69-6/bin:$PATH' >>~/.bashrc
source ~/.bashrc
初步配置
(服務器可能需要root權限，用mac或者windows的命令行也是可以的)
# 配置cpanm，并加入環境變量
wget https://raw.githubusercontent.com/miyagawa/cpanminus/master/cpanm
# 先看看需要用到的perl模塊，有一些缺失（提示：missing）的
circos -module
# 安裝缺失模塊
circos -module | grep 'missing' | awk '{a=a" "$2;}END{system("cpanm"a);}'
perl模塊缺失怎么辦？
例如缺少Clone模塊：
先在metacran網站查找：https://metacpan.org/pod/Clone
下載解壓
wget https://cpan.metacpan.org/authors/id/G/GA/GARU/Clone-0.39.tar.gz
tar zxvf Clone-0.39.tar.gz
cd Clone-0.39
# configure
perl Makefile.PL
#Checking if your kit is complete...
#Looks good
#Generating a Unix-style Makefile
#Writing Makefile for Clone
#Writing MYMETA.yml and MYMETA.json
make
make test
make install
# 如果有使用build的模塊，還是下載安裝，然后
perl Build.PL
./Build
./Build test
./Build install
# 又或者使用conda安裝
conda install -c bioconda perl-clone
安裝的目錄
bin：包含circos的可執行程序（已加入環境變量）
-
data：一個文件夾karyotype，包含幾個物種的染色體信息，繪圖必須
10.png
#chr - ID LABEL START END COLOR
chr - hs1 1 0 247249719 chr1
chr - hs2 2 0 242951149 chr2
chr - hs3 3 0 199501827 chr3
chr - hs4 4 0 191273063 chr4
chr - hs5 5 0 180857866 chr5
chr - hs6 6 0 170899992 chr6
#...省略部分
band hs1 p36.33 p36.33 0 2300000 gneg
band hs1 p36.32 p36.32 2300000 5300000 gpos25
band hs1 p36.31 p36.31 5300000 7100000 gneg
band hs1 p36.23 p36.23 7100000 9200000 gpos25
# ...
#karyotype.human.hg18.txt
前兩列：chr定義染色體，-表示父區域，染色體沒有父區域，因此用-，下面的band就有父區域了，比如這四行的band的父區域就是hs1，1號染色體；
ID是命令，同時繪制多個物種，可在ID中包含物種的代號；
LABEL：當前區域顯示的名字；
START END：整個的區域范圍，要顯示部分區域，可以后來修改；
COLOR：當前區域的顏色，定義好的顏色，存儲于etc/colors.conf
-
etc：配置文件，如
background.black.conf #只定義了背景是深色 background.white.conf colors.hsv.conf colors.ucsc.conf colors.conf #利用RGB組合設置了顏色變量、系列顏色和染色體的顏色 colors_fonts_patterns.conf #顏色、字體、預定義的圖形文件 image.conf image.generic.conf patterns.conf #定義特殊小圖形的信息 ...
劉小澤寫于18.10.4 看來兩篇還搞不定，內容不少
自己安裝最大的問題就是：perl模塊配置，不管自己的機器還是服務器，總是有模塊沒有配置好，需要一步步調試；而且模塊相互之間需要依賴，又是個麻煩事。
要圖方便，使用conda安裝circos也是可以的，省去不少麻煩，三步搞定
conda create -n circos source activate circos conda install circos -y # 最后用circos -modules檢查一下 # conda安裝的目錄在 miniconda3/pkgs/circos-0.69.6-2
使用
官方教程 http://circos.ca/documentation/tutorials/
使用過程并非可視化的，需要以下幾步：
想想數據要被怎么展示（最麻煩的部分）；
將數據轉換成circos要求的格式；
構建配置文件，可以用默認的當作模版進行修改；
運行circos生成PNG或者SVG；
微調PNG/SVG，例如添加圖例、文本標題等
配置文件概況
circos生成的是靜態文件，這個過程是配置文件起主導作用，例如全局的字體、顏色設置，這個過程需要Config::General這個模塊。其中的配置信息用空格作為分隔符，使用=定義變量名 = 變量值。有的一個相同的配置需要分成幾個小配置塊，是為了給不同的track（圓圈軌道）個性化定制，比如
<links>
# track 1
<link>
file = data/set1.txt
color = black
...
</link>
# track 2
<link>
file = data/set2.txt
color = red
...
</link>
</links>
開始符<>與結束符</>組合成一個配置塊（二者缺一不可），幾個重要的配置塊放在一個配置文件中
<ideogram> # 例如開始是這個板塊
...
</ideogram> # <-- 結尾沒有這個就報錯
配置文件中有4個地方可以自定義：（排序：優先級越來越高）
- 全局實例：所有圖形中的所有數據點（位于
<plots>或者<links>配置塊） - 局部實例：某個圖形中所有數據點（位于
<plot>或者<link>配置塊） - 數據：指定某個數據點（位于
data文件） - 規則：位于
<rule>配置塊【比如這里的設置可以覆蓋之前的數據的設置】
一個全局實例可以包括多個局部實例，比如下面配置文件中fill_color = gray對全局和局部都有效，而fill_color = white 只對第一個局部實例內部有效。當許多局部實例組合在一起時，使用全局實例能提高效率
<plots> #全局plot
fill_color = gray
...
<plot> #plot1，比如這個可以負責畫環
fill_color = white
...
</plot>
<plot> #plot2，比如這個可以畫點
...
</plot>
</plots>
利用內置的配置文件
位于circos/etc的目錄下，這些配置文件都是優化好的，基本不用修改直接寫入自己的配置文件。
常用的幾個不需要更改的：
-
housekeeping.conf基本的框架配置，直接導入 -
fonts.conf配置字體，與font目錄下的ttf或otf文件對應 -
pattern.conf配置輸出格式，與tiles目錄下的png文件對應，然后用pattern.svg.conf生成svg文件 -
colors.conf：引入了colors.brewer.conf、colors.hsv.conf、colors.ucsc.conf定義了顏色的不同絕對路徑，另外在本身的colors配置文件中，還支持使用像red、hs1、reds-9-seq-1的方式
幾個重要的需要稍微調整的：
-
image.conf調整圖片大小、背景顏色、輸出目錄、輸出文件格式、染色體在圓圈的起始位置 -
ideogram.conf繪制基因組的核型數據——染色體，例如人，會把22條常染色體和X、Y繪制出來，而且在最外圈展示，每條染色體都是一段圓環。專門對染色體進行配置：染色體間距、標簽位置、是否展示bands -
ticks.conf刻度形式顯示染色體大小，對刻度進行配置，可以導入ideogram.conf
配置文件導入：<<include xxx.conf>>省去了主文件重復定義，可以直接引用其他的配置文件，層層引用嵌套，例如下面的配置文件邏輯關系就比較清楚：
karyotype = data/karyotype/karyotype.human.txt #指定物種是人
chromosomes_units = 10000000
chromosomes_display_default = yes
<<include ideogram.conf>> #引用：鏈接核心圖——染色體作為外圈
<<include ticks.conf>> #引用：加刻度
...
<image> #輸出圖片
<<include etc/image.conf>> #引用：圖片設置
</image>
<<include etc/colors_fonts_patterns.conf>> #引用：設置顏色
<<include etc/housekeeping.conf>>
畫出第一個輪廓圖/核型圖（沒有數據，只有染色體的idogram）
1. 先準備好被導入的配置文件：circos/etc目錄下文件可以直接用
2. 再創建ideogram.conf和ticks.conf配置文件
# ideogram.conf
<ideogram>
<spacing>
default = 0.005r # 1.設置兩條染色體間空隙,每個空隙大小為周長的 0.5%（這里的r表示ring圓環，而不是半徑）
</spacing>
radius = 0.9r # 2.1 染色體所在位置（即畫在多大的半徑上）在離圓心的 90% 處 （這里的r指的是半徑，而不是ring）
thickness = 20p # 2.2 染色體厚度
fill = yes
fill_color = black # 2.3 染色體顏色
stroke_thickness = 2 #2.4 染色體邊框厚度
strock-color = black
show_label = yes # 3.顯示染色體標號如CHR1
label_font = default
label_radius =1r + 75p # 1r對應ideogram對應的半徑，+75p表示在圓圈外側75p(像素pixel)的地方；如果要顯示在內側，可以1r - 75p或者0.9r類似這種
label_size = 30
label_parallel = yes #設定 label 的字體方向，yes 生成易于瀏覽的方向
label_case = upper #label大小寫顯示
show_bands = yes # 4.染色體上條帶bands是否顯示
fill_bands = yes
band_stroke_thickness = 2 # 邊框厚度
band_stroke_color = white #顏色
band_transparency = 4 #透明度
</ideogram>
關于單位設置：共有4種：p, r, u, b。
p表示像素，1p表示1像素；
r表示相對大小，0.005r表示0.5% ring 大小；
u表示相對chromosomes_unit的長度，如果chromosomes_unit = 1000，則1u就是千分之一的染色體長度；
b表示堿基，如果染色體長1M，那么1b就是百萬分之一的長度
# ticks.conf 刻度形式顯示染色體大小
show_ticks = yes # 1.是否顯示刻度
show_tick_labels = yes
<ticks>
skip_first_label = no # 2.刻度所在位置、顏色、厚度
skip_last_label = no
radius = dims(ideogram,radius_outer)
tick_separation = 3p
label_separation = 1p
multiplier = 1e-6
color = black
thickness = 4p
size = 20p
<tick>
spacing = 1u # 3.次刻度
show_label = no #不顯示次刻度標簽
thickness = 2p
color = dgrey
</tick>
<tick>
spacing = 10u # 4.主刻度
show_label = yes # 顯示主刻度標簽
label_size = 20p
label_offset = 10p
format = %d
grid = yes
grid_color = dgrey
grid_thickness = 1p
grid_start = 0.5r
grid_end = 0.999r
</tick>
</ticks>
3. 創建主配置文件，并導入之前設置的其他配置文件
保存為任意名稱（這里以circos.conf為例）可以直接復制粘貼后，用circos -conf circos.conf得到circos.png、circos.svg文件
# 首先karyotype核型文件是必須的，定義了需要染色體的名稱、大小、顏色，并且可以根據自己的需要設定。不限于染色體，還可以是contigs、genes等可以在坐標上體現出來的。circos自帶的核型文件放在/data/karyotype下
karyotype = data/karyotype/karyotype.human.txt
chromosomes_units = 10000000 #指定距離單位u
# chromosomes = hs1;hs2;hs3這樣寫表示只顯示三條染色體（因此下面的??設置要寫成no）
chromosomes_display_default = yes #顯示所有的染色體（no的話需要自己指定）
<<include ideogram.conf>>
<<include ticks.conf>>
<image>
<<include etc/image.conf>>
</image>
<<include etc/colors_fonts_patterns.conf>>
<<include etc/housekeeping.conf>>
下篇 劉小澤寫于18.10.6
寫到這里，其實還差得遠，需要不斷的打磨摸索才能靈活運用
核型圖內側添加數據
數據圖包括許多種：散點圖、線形圖、柱狀圖、熱圖，R能畫的圖基本Circos都支持；另外還可以畫聯系圖Connectors、高亮圖Highlights、連接圖Links（比如某些融合基因存在于1區域和2區域，就可以連接這兩個）
散點圖、線形圖、柱狀圖、熱圖數據格式
# chr start end value option(可有可無)
...
hs1 0 66666 0.01314 #其中0-66666相當于x坐標，0.01314相當于y坐標
hs1 66667 166666 0.00520
hs1 166667 266666 0.00231 fill_color=red
#fill_color=red,z=66就是option部分，可有可無，表示設置這一塊區域顯示什么顏色等等，還有其他一些設置
...
散點圖
寫好散點圖的配置文件，加到主配置文件中即可
<plots>
type = scatter #在全局設置可以應用一下好幾個plot，就省去了一個個設置的麻煩。首先設置繪圖類型，可以是scatter、line、histogram、heatmap
stroke_thickness = 1
<plot>
file = data/6/snp.density.txt #指定數據文件
fill_color = grey
stroke_color = black
glyph = circle #點形狀及大小
glyph_size = 10
max = 0.013 #設置數據范圍，超出的不考慮
min = 0
r1 = 0.95r #繪制區域，r0是內半徑，r1是外半徑。plot1是從圓圈內部畫圖
r0 = 0.65r
<backgrounds> #設置plot1背景顏色（點密集區域一個顏色，此處用灰色；點稀疏區域用綠色區分）
<background>
color = vvlgreen #顏色設置：very very light green (vvlgreen)
y0 = 0.006 #y0設置背景色起始位點，可以使用絕對值比如這里的0.006，也可以使用相對值，如0.75r
</background>
<background>
color = vlgrey
y1 = 0.006 # y1設置背景色終止位點
y0 = 0.002
</background>
</backgrounds>
</plot>
<plot>
file = data/6/snp.density.txt
#需要的數據都在https://github.com/vigsterkr/circos/tree/master/data/6
# 或者git clone https://github.com/vigsterkr/circos.git
fill_color = green
stroke_color = dgreen
glyph = rectangle
glyph_size = 8
max = 0.013
min = 0.007
r1 = 1.175r #plot2是從圓圈外部畫圖；繪圖區域方面，不同的plot一般不會設置重疊
r0 = 1.075r
</plot>
</plots>
線形圖
線形圖和散點圖類似，只不過線形圖用線代表了點，縱坐標大的點在線形圖中就是一條細高的線
<plots>
type=line
thickness = 2
<plot> # plot1
max_gap = 1u
file = data/6/snp.density.250kb.txt
color = vdgrey
min = 0
max = 0.015
r0 = 0.5r
r1 = 0.8r
fill_color = vdgrey_a3
<backgrounds> # plot1背景色
<background> #
color = vvlgreen
y0 = 0.006 #y0設定最低閾值，將高于0.006的部分設成淡綠色
</background>
<background>
color = vvlred
y1 = 0.002 #y1設定最高閾值，將低于0.002的部分設成淡紅色
</background>
</backgrounds>
<axes> #設置坐標軸，這個軸是沿著圓圈一圈一圈繞的，就像老唱片的磁道一樣
<axis>
color = lgrey_a2
thickness = 1
spacing = 0.025r #設置坐標軸間距
</axis>
</axes>
<rules>
<rule>
condition = var(value) > 0.006 #畫出高于0.006的值，這部分值顯示在綠色區域中
color = dgreen
fill_color = dgreen_a1
</rule>
<rule>
condition = var(value) < 0.002 #畫出低于0.002的值，并且這些值顯示在紅色區域中
color = dred
fill_color = dred_a1
</rule>
</rules>
</plot>
<plot> # plot2
max_gap = 1u
file = data/6/snp.density.txt
color = black
min = 0
max = 0.015
r0 = 1.075r
r1 = 1.15r
thickness = 1
fill_color = black_a4
</plot>
</plots>
直方圖
它是線形圖的變體，線形圖中就是用直線把近似的點連接，直方圖中就是把點用一個個方塊表示
<plots>
<plot>
type = histogram
file = data/6/hist.random.txt
color = red
r1 = 0.9r
r0 = 0.7r
max = 1 #這個看數據具體范圍設定
min = -1
thickness = 10p
fill_under = yes
fill_color = red
orientation = out #控制方向（紅色向外）
</plot>
<plot>
<plot>
type = histogram
file = data/6/hist.random.txt
color = green
r1 = 0.6r
r0 = 0.4r
max = 1
min = -1
thickness = 10p
fill_under = yes
fill_color = green
orientation = in #同時展示下向內的直方圖（這個功能就是為了區別不同的數據集）
</plot>
</plots>
使用的測試數據只有3條染色體信息，所以先畫三條的，明白怎么畫最重要
熱圖
要求的數據依然是：
# chr, start, end, value, and a list of optional parameters
...
hs7 36975000 36999999 33
hs7 37000000 37024999 50
hs7 37025000 37049999 60 color=blue
hs7 37050000 37074999 44
...
熱圖最大的特色就是利用顏色來區分數據，因此設置了color這個選項；并且顏色都是可以多種多樣的，具體的可以參考官方關于顏色的說明
<plots>
type = heatmap
<plot>
file = data/6/snp.number.1mb.txt
color = spectral-9-div #產生11種顏色，并且根據從min到max的數據賦予不同顏色。這個色板的信息位于etc/brewer.conf
stroke_thickness = 1
stroke_color = black
min = 1000
max = 5000
r0 = 0.80r
r1 = 0.90r
</plot>
<plot>
file = data/6/variation.heatmap.txt
color = spectral-9-div
stroke_thickness = 1
stroke_color = black
min = 2000 #為了能使顏色區分開，這里的min和max的設置非常重要，如果設置的間距太小，就容易區分不明顯
max = 250000
r0 = 0.60r
r1 = 0.70r
</plot>
<plot>
file = data/6/variation.heatmap.txt
color = ylorrd-9-seq-rev
stroke_thickness = 1
stroke_color = black
min = 2000
max = 250000
r0 = 0.40r
r1 = 0.50r
</plot>
</plots>
聯系圖Connector
這種圖會把核型圖上位于同一個染色體的起始和終止位點連接，不能跨染色體
輸入數據格式是：染色體 起始 終止
另外有一個特定的參數：connector_dims 需要設定5個值，分別代表畫線起始點、直線、斜線、直線、畫線終止的比例，并且5個值的和是1
<plots>
<plot>
type = connector
file = data/6/connectors.txt #要注意不同的數據使用的染色體不同，適時調整ideogram中的染色體配置，比如是否要顯示全部染色體，要展示哪幾條染色體等
r0 = 0.70r
r1 = 0.90r
connector_dims = 0,0.3,0.4,0.3,0 #表示開始畫圖=》第一條直線比例是0.3=》斜線比例是0.4=》第二條直線比例是0.3=〉畫圖終止
thickness = 2
color = red
</plot>
<plot>
type = connector
file = data/6/connectors.txt
r0 = 0.40r
r1 = 0.60r
connector_dims = 0,0,0.7,0.3,0 #斜線占的比例越大，傾斜角度越小
thickness = 2
color = black
</plot>
</plots>
高亮圖Highlights
想強調某一個條帶的某一個位置
數據格式是：染色體 起始 終止 顏色（fill_color = colr）
可以用<plot> + <type = highlights>的方式，也可以用<highlights>的方式
連接圖Links
比如想看一個基因在一個染色體與另一個染色體上發生融合的現象，用弧線表示
數據格式：1stChr start end 2nd Chr start end 會將第一個染色體的終點和第二個染色體的起點連接起來
<links>
<link>
file = data/5/segdup.bundle3.colored.txt
color = red
radius = 0.95r # 設定弧線起始點的位置位于0.95r的位置
bezier_radius = 0.1r # 控制弧線弧度
thickness = 1
</link>
file = data/5/curves.repeated.txt
color = blue
radius = 0.95r
bezier_radius = 0.1r
thickness = 1
</links>
連接圖升級版—絲帶圖Ribbon
終極組合圖
代碼在http://circos.ca/documentation/tutorials/2d_tracks/stacking_tracks/configuration。當然需要細細品味其中的意義，但是類型就是這幾種
歡迎關注我們的公眾號～_～
我們是兩個農轉生信的小碩，打造生信星球，想讓它成為一個不拽術語、通俗易懂的生信知識平臺。需要幫助或提出意見請后臺留言或發送郵件到Bioplanet520@outlook.com
