微生物共现网络可视化实现布局自由

  ggraph包常用于网络数据可视化，其语法特征与ggplot2相同，我们很容易将ggplot2的知识扩展到ggraph上。ggraph的绘图思路大致如下：

1. 计算网络（graph）的布局，获得节点（vertex）在X-Y轴上的坐标值，返回布局数据框layout_df；
2. 利用1中返回的数据框layout_df，利用ggraph(layout_df)函数绘制画布；
3. 添加图形元素，即节点（vertex）和边（edge）。

  在计算网络布局中，可以使用已经有的算法计算布局，例如"fr", "cycle", "stress"等，但有时我们希望能根据自身数据的需要进行布局，那么我们就可以使用 layout_df <- create_layout(graph_test,layout="manual",x=x,y=y)计算出网络文件graph_test的布局数据框layout_df,然后像在ggplot2中绘图一样绘制网络图即可。

layout_df <- create_layout(graph_test,layout="manual",x=x,y=y) 
ggraph(layout_df) 
	geom_edge_link() 
	geom_node_point()

重点就是：如何根据自身需要计算出节点（vertex）在X-Y轴上的坐标值x和y。
譬如，我利用stress布局获得了如下结果：

但我还是觉得有些混乱，我想将同一门内的微生物放在一块进行可视化，如下图：

此时，我们可以根据自身的需要，巧妙地计算各个节点对应的X-Y值，然后自定义布局即可。虽然我们是自定义布局，但我们也没有必要从轮子造起，灵活运用已有的布局算法实现我们的想法，思路如下：

1. 根据节点的分类信息属性将网络分解为若干个子网络，即Proteobactria network，Acidobacteria network等；
2. 对各个子网络利用sphere算法计算网络布局
3. 对获得的布局坐标进行圆形偏移，即获得自定义布局的XY坐标
4. 根据xy值自定义网络布局

实战代码

下面我们以按模块分类为例，给出其大致的思路及具体的R代码。

• 总体思路：

1. 对微生物共现网络的模块进行划分；
2. 按照模块大小排序，对前面的模块进行着色，其余归为其它；
3. 对各模块进行圆形布局，求解布局坐标.

• R代码：

library(magrittr)
library(igraph)
library(ggraph)
library(purrr)
g1 <- read_graph("~/Desktop/graph_test.graphml",format = "graphml")
wtc <- cluster_louvain(g1,NA)
modularity(wtc)
m<-membership(wtc)
sorted_table_m <- sort(table(m),decreasing = TRUE)
top <- 1:5
df1 <- data.frame(old=names(sorted_table_m),new=c(top,rep("other",length(sorted_table_m)-length(top))))
new_m <- unlist(map(m,function(x) df1[df1$old%in%x,2]))

groupVector <- function(x){
  lev <- levels(as.factor(x))
  len <- length(lev)
  list1 <- vector("list", len)
  for(i in 1:len){
    list1[[i]] <- names(x)[x == lev[i]]
    names(list1)[i] <- lev[i]
  }
  return(list1)
}

gv <- groupVector(new_m) 
g_list <- map(gv,~induced_subgraph(g1,.x))

ly3 <- map(g_list,function(x) create_layout(x,layout = "sphere"))
x <- ly3 %>% map(~.$x)
y <- ly3 %>% map(~.$y)
theta <- seq(0,2*pi,2*pi/(length(g_list)))
mx <- 4*cos(theta[-1])
my <- 4*sin(theta[-1])
mxx <- unlist(map2(x,mx,function(x,y) x y))
myy <- unlist(map2(y,my,function(x,y) x y))
name <- unlist(ly3 %>% map(~.$name))
df2 <- data.frame(x=mxx,y=myy,row.names = name)

ly4 <- create_layout(g1,layout = "manual",x=df2[V(g1)$name,1],y=df2[V(g1)$name,2])
edgeColor <- ifelse(E(g1)$weight_1>0,"positive","negative")
colorfactor <- factor(new_m[ly4$name])
mycolor <- c("blue","red","orange","turquoise4","purple","gray")
ggv4 <- ggraph(ly4) 
  geom_edge_link(aes(colour=as.factor(edgeColor)),edge_width=0.1,alpha=0.3) 
  geom_node_point(aes(color=colorfactor)) 
  theme_minimal() 
  scale_edge_color_manual(values = c("green4","red"),name="Correlation") 
  scale_color_manual(values = mycolor,name="Modular") 
  theme(axis.title = element_blank(),
        axis.ticks = element_blank(),
        axis.line = element_blank(),
        axis.text = element_blank(),
        panel.grid = element_blank())
ggv4
pdf("~/Desktop/graph visualization by modular.pdf",width = 10,height = 7)
ggv4
dev.off()

• 实现效果
  
  测试数据可查看：

1. 微生物共现网络可视化：按模块进行圆形布局
2. 微生物与环境因子共现网络可视化：按物种分类着色，并进行圆形布局

这篇好文章是转载于：学新通技术网