近来在NAR上看到一篇文章：
原文网络图如下：
我们借此时机，通过ggraph作图分析干系参数。详细注释代码和参数已上传QQ群文件！我做的图如下，有一点标题，但不影响我们对这个函数的分析。
加载R包和节点数据，可以是STRING分析得到的网络文件，也可以是miRNA对应靶基因文件，再大概可以是转录因子对应的调控文件等！
setwd("D:/KS项目/公众号文章/网络节点图")df <- read.csv("network.csv", header = T)colnames(df) <- c("ID", "path", "gene", " val")library(ggraph)library(tidygraph)设置节点和边缘。
paths <- c("Node1", "Node2", "Node3")nodelist <- list()for (i in 1:length(paths)){ node <- subset(df, path == paths) nodes <- data.frame(name = unique(union(node$path, node$gene))) nodes$values <- c(sum(node$Pval), node$Pval) nodelist[] <- nodes}nodes <- rbind(nodelist[[1]],nodelist[[2]],nodelist[[3]])nodes$cluster <- c(rep("Node1",1),rep("gene",12), rep("Node2",1),rep("gene",11), rep("Node3",1),rep("gene",10))edges <- df[c("path","gene","val")]edges$class <- edges$path构建作图文件。
layout_cir <- tbl_graph(nodes = nodes, edges = edges)出图：
ggraph(layout_cir,layout='linear',circular = TRUE) + geom_node_point(aes(size=values,colour = cluster))+ geom_node_text(aes(x = 1.03 * x, y = 1.03 * y, label=name, color=cluster, angle = -((-node_angle(x, y) + 90) %% 180) + 90), hjust='outward') + geom_edge_arc(aes(colour=class))+ theme_void()+ theme(legend.position = "none")+ scale_colour_manual(values =c('#407972', '#961E28', '#D46724', '#0f8096'))+ scale_edge_colour_manual(values = c('#961E28', '#D46724', '#0f8096'))+ scale_size_continuous(range = c(2,8))+ coord_cartesian(xlim=c(-1.5,1.5),ylim = c(-1.5,1.5))如许就完成了，也是美美的。如果以为我的分享对你有效、有资助的话，点个赞、分享一下再走呗！！！更多出色请至我的公众号---KS科研分享与服务 |
