谁说Python不能绘制环形基因组图？快看这个..

前言

今天是我的可视化课程上线的第210天，目前学员408人，每篇原创公众号都会记录这个人数，用来督促和激励我的原创内容。目前课程的主要方向是科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。
参与课程的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。

pyCircos可视化包推荐

Circos 是可视化基因组相似性和特征的最流行软件之一。不过，它的执行过程比较复杂，需要多个原始配置文件才能实现可视化。此外，Circos 是用 Perl 编写的，这限制了它与其他生物分析软件的整合。

另一方面，Python 已被用于各种生物软件包。因此，结合这些软件包，研究人员可以完成大部分所需的分析工作。然而，尽管 Circos 软件已经开发了十多年，Python 却缺少绘制 Circos 图的库。在此，我们提供了一个基于 Python Matplotlib 的环形基因组可视化软件包-pyCircos。用户只需指定注释序列文件（如 GenBank 文件），就能方便快捷地可视化基因组特征和比较基因组分析结果。

安装方式

pyCircos可通过如下语句进行快速安装(建议)。

代码语言：javascript复制

pip install python-circos

如果想安装开发版本，则使用如下语句：

代码语言：javascript复制

pip install git https://github.com/ponnhide/pyCircos.git

案例教程

案例01

代码语言：javascript复制

#linkplot
#heatmap
values_all   = [] 
arcdata_dict = collections.defaultdict(dict)
with open("sample_data/example_data_links.csv") as f:
    f.readline()
    for line in f:
        line  = line.rstrip().split(",")
        name1  = line[0]     
        start1 = int(line[1])-1
        end1   = int(line[2])
        name2  = line[3]     
        start2 = int(line[4])-1
        end2   = int(line[5])
        source = (name1, start1, end1, 615)
        destination = (name2, start2, end2, 615)
        circle.chord_plot(source, destination, facecolor=circle.garc_dict[name1].facecolor)

案例02

代码语言：javascript复制

#Plot GCskew
import copy
skews = garc.calc_nnskew(n1="G", n2="C")  
positive_skews=copy.deepcopy(skews)
positive_skews[skews<0]=0
negative_skews=copy.deepcopy(skews)
negative_skews[skews>=0]=0
gcircle.fillplot("NC_000913", positive_skews, rlim=(min(skews),max(skews)), base_value=0, raxis_range=(400,700), facecolor="r")
gcircle.fillplot("NC_000913", negative_skews, rlim=(min(skews),max(skews)), base_value=0, raxis_range=(400,700), facecolor="b")

案例03

代码语言：javascript复制

import collections
chord_dict = collections.defaultdict(list)
with open("sample_data/segdup.txt","r") as f:
    for line in f:
        line          = line.rstrip().split("t")
        chord_dict[line[0]].append((line[1], int(line[2]), int(line[3]), 700)) 
        
for key in chord_dict:
    gcircle.chord_plot(chord_dict[key][0], chord_dict[key][1], facecolor="#ff8c0080")

更多关于pyCircos包的介绍和案例，读者可参考：pyCircos官网[1]。

当然，你也可以使用功能更加强大的pyCirclize拓展包。

如何快速的掌握论文中的绘图技巧？

在科研论文撰写过程中，可视化配图的绘制也非常重要，那么如何快速的掌握科研绘图技巧？笔者给大家列举了以下几点：

学习基本工具和软件: 先熟悉常用的科研绘图工具和软件，例如Python或者R语言等，选择一款适合你的工具。
参考教程和指南: 在线教程、视频教程和指南是学习的好资源。
模仿和实践: 查看优秀的科研绘图范例，模仿它们的风格和技巧。同时，勤练手，多做练习，实践是提高技能的关键。
了解图表类型和用途: 了解不同类型的科研图表，例如折线图、柱状图、散点图等，以及它们在传达信息方面的优缺点。
注重细节和清晰性: 细节决定成败，确保图表的字体清晰、线条精细、标签明了，避免视觉混乱。
遵循学术规范: 遵循学术期刊或机构对图表的规定和要求，包括字体大小、图表标题、坐标轴标签等。
请教专家或同事: 有条件的同学可以跟随一个大佬进行系统学习，向他们寻求指导和建议，可以加速你的学习过程。

这里笔者建议，在资金允许的前提下，可以报名一个长期有效的可视化课程，别报名那种合集资料、没后期服务的课程。建议参加那种作者本人录制视频、有详细代码和数据、有后期服务、有观课平台(如果这个都没有，真的不建议大家购买，说的再好都不要购买)。如果课程持续更新的最好，最好课程本人有一定影响力(比如出书或者大V），那样自己的权益也会受到保障。感兴趣的读者可以看下我们自己的课程介绍，可视化系列课程推文。完美满足我说的那几个条件····

系统学习可视化

当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的阅读原文。

谁说Python不能绘制环形基因组图？快看这个..

前言

pyCircos可视化包推荐

如何快速的掌握论文中的绘图技巧？

系统学习可视化

猜你喜欢

参考资料