弧线图(Arc Diagrams)是一种在一维布局中可视化网络的方法，主要特征是沿单轴显示节点，同时用弧线表示节点之间的边或连接，同时边的粗细可以表示连接的权重。特别是在想展示同一条染色体上基因之间的关联性时，用此图绝不失为一个好的方法。
安装 arcdiagram
首先，安装一下专门用于画弧线图的包arcdiagram，该包在github上没有发布版本，所以可以通过devtools来安装：
library(devtools)install_github('gastonstat/arcdiagram')示例数据
这里使用的数据来自arcdiagram包的github里面，是一个gml格式的文件，gml是igraph对象的一种存储格式，我们可以用igraph包来读取：
library(igraph)# 下载数据download.file('https://github.com/gastonstat/arcdiagram/blob/master/lesmiserables.gml', 'lesmiserables.gml')mis_graph <- read.graph('lesmiserables.gml', format="gml")# 查看网络对象mis_graphIGRAPH bc6aae4 U--- 77 254 --+ attr: id (v/n), label (v/c), group (v/n), fill (v/c), border (v/c),| value (e/n)+ edges from bc6aae4: [1] 1-- 2 1-- 3 1-- 4 3-- 4 1-- 5 1-- 6 1-- 7 1-- 8 1-- 9 1--10[11] 11--12 4--12 3--12 1--12 12--13 12--14 12--15 12--16 17--18 17--19[21] 18--19 17--20 18--20 19--20 17--21 18--21 19--21 20--21 17--22 18--22[31] 19--22 20--22 21--22 17--23 18--23 19--23 20--23 21--23 22--23 17--24[41] 18--24 19--24 20--24 21--24 22--24 23--24 13--24 12--24 24--25 12--25[51] 25--26 24--26 12--26 25--27 12--27 17--27 26--27 12--28 24--28 26--28[61] 25--28 27--28 12--29 28--29 24--30 28--30 12--30 24--31 31--32 12--32+ ... omitted several edges# 准备绘图数据# 获取边edgelist <- get.edgelist(mis_graph)# 获取顶点标签vlabels <- get.vertex.attribute(mis_graph, "label")# 获取顶点分组信息vgroups <- get.vertex.attribute(mis_graph, "group")# 获取顶点填充色vfill <- get.vertex.attribute(mis_graph, "fill")# 获取顶点边的颜色vborders <- get.vertex.attribute(mis_graph, "border")# 获取顶点权重degrees <- degree(mis_graph)# 获取边权重values <- get.edge.attribute(mis_graph, "value") 简单介绍一下igraph对象，例如上面的mis_graph就是一个igraph对象。我们可以从该对象的概要里面获取到如下信息：bc6aae4 是这个对象的名称，U--- 77 254 --这里的U(亦或DNW，表示有向、有命名且加权的网络)表示该对象包含一个无向网络，后面数字表示该网络有77个节点和254条边。该对象具有的节点属性是id、group、fill、border，具有的边属性是value。最下面的内容就是该对象具体包含的关系对。
绘图
准备好数据，绘图就水到渠成了，只需执行arcplot函数即可，参数还是很多的，大家可以根据需要自行调整。
library(arcdiagram)arcplot(edgelist, labels=vlabels, cex.labels=0.8, show.nodes=TRUE, col.nodes=vborders, bg.nodes=vfill, cex.nodes = log(degrees)+0.5, pch.nodes=21, lwd.nodes = 1, line= 0.5, col.arcs = hsv(0, 0, 0.2, 0.25), lwd.arcs = 1.2 * values)结构如下：
排序
当然，我们也可以先对数据排个序，比如按照分组信息排序，这样一个分组内的顶点就会挨在一起按照大小排列，这样更有助于数据之间的比较。
x <- data.frame(vgroups, degrees, vlabels, ind=1:vcount(mis_graph))y <- x[order(x$vgroups, x$degrees, decreasing=T), ]new_ord <- y$indarcplot(edgelist, ordering=new_ord, labels=vlabels, cex.labels=0.8, show.nodes=TRUE, col.nodes=vborders, bg.nodes=vfill, cex.nodes = log(degrees)+0.5, pch.nodes=21, lwd.nodes = 1, line=0.5, col.arcs = hsv(0, 0, 0.2, 0.25), lwd.arcs = 1.2 * values)结果如下：
结束语
arcdiagram包绘图还是挺容易的，可能准备好相应的数据更费事一些，所以有空还是得学习一个igraph对象相关内容。好了，绘图的事到此为止。说点别的，比如能发这个帖子至少说明小编今天还没有“变声成羊”。不得不说，新冠的传染性还真是厉害，不到一周的时间办公室里面七八成的人都感染了。虽然毒性没有那么强，但是没法预测自身感染的症状是否激烈，所以一些退烧止咳缓解疼痛的药还是要买的。而现实的状况可能却是另外一回事，由于短时间内需求的急剧飙升导致供不应求，一药难求。哎，原来布洛芬有这么多种姿势，奇怪的知识又增加了。此刻，很想练一下久阴真经。。。
参考资料
https://www.r-bloggers.com/2013/02/arc-diagrams-in-r-les-miserables
往期回顾
可视化：circular dendrogram
可视化：和弦图
LACE-seq 保姆级教程
可视化：两种方法绘制桑基图
可视化：density与ridgeline
|
