突破韦恩图数量限制，R包UpSetR集合可视化

R包UpSetR集合可视化基础简介

传统的维恩图通常很难展示>5组以上的集合情形，而花瓣图则丢失了很多信息。与之相比，UpSet绘图提供了一种有效的方法来可视化多个集合的交集，它通过R包UpSetR实现。今天呢白鱼小编就给大家简介一下关于UpSet图以及R的UpSetR包。

UpSet图的集合展示模式

对于某元素在三个集合（A，B，C）中的分布状态，所有可能的组合如下。

其中，值1表示元素在该组中存在，值0表示元素不存在于该组。以下图为例，“1 1 0”表示元素存在于集合A、B，但不存在于C中。注意没有“0 0 0”的状态。

UpSet图使用每个元素在各集合中的1-0状态，将每个组合集的大小可视化。对于元素在各集合中的组合类型，共有三种模式。

（1）distinct mode：1表示存在于该集合中，0表示不在该集合中；例如，“1 1 0”表示集合A和B共享这个元素，而不在C中出现（等同于R的集合计算函数，setdiff(intersect(A, B), C)）；在这种模式下，七个组合集是维恩图中的七个分区，它们是互斥的。

（2）intersect mode：即交集模式，1表示存在于该集合中，考虑所有1的交集部分，0的情况不予考虑；例如，“1 1 0”表示集合A和B的交集，不关注其是否在C中出现（等同于R的集合计算函数，intersect(A, B)）；在这种模式下，七个组合集可以重叠。

（3）union mode：即并集模式，1表示存在于该集合中，考虑所有1的并集部分，0的情况不予考虑；例如，“1 1 0”表示集合A和B的并集，不关注其是否在C中出现（等同于R的集合计算函数，union(A, B)）；在此模式下，七个组合集可以重叠。

对于常规的Venn图而言，通常情况下展示的是“distinct mode”。因此，R包UpSetR默认展示的通常也是“distinct mode”。如下示意图，展示了在“distinct mode”中，二者的对应关系。

R包UpSetR基础简介

数据类型

UpSetR作图数据可以有两种表示方式。

（1）集合列表，其中每个集合都是向量，向量中放置元素字符，所有集合组合为列表数据类型。

list(set1 =c("a", "b", "c"),     set2 =c("b", "c", "d", "e"),     ...)

（2）0-1数据矩阵，或者逻辑矩阵，其中行是元素，列是集合，如下所示。

  set1 set2 set3                            set1    set2     set3h    1    1    1                       h    TRUE    TRUE     TRUEt    1    0    1                       t    TRUE    FALSE    TRUEj    1    0    0                       j    TRUE    FALSE    FALSEu    1    0    1                       u    TRUE    FALSE    TRUEw    1    0    0                       w    TRUE    FALSE    FALSE...                                    ...

集合列表和矩阵之间，可通过“list_to_matrix()”将列表转化为矩阵。

lt =list(set1 =c("a", "b", "c"),          set2 =c("b", "c", "d", "e"))list_to_matrix(lt) ##   set1 set2## a    1    0## b    1    1## c    1    1## d    0    1## e    0    1

UpSetR作图示例

UpSet图模式和UpSetR的输入数据类型简介完后，接下来就开始演示UpSetR的操作了。本篇示例数据和R代码的网盘链接：https://pan.baidu.com/s/1dYVf9cCx6z3IQdNPFCkRjw网盘附件“otu_table.txt”为包含6个样本的OTU相对丰度表，来自16S高通量测序。我们想要得知6个样本中共有/特有OTU的类型数量。由于大于了5个样本，不便以传统的Venn图展示，在这里，我们将通过UpSet图展示出。接下来就通过示例初步简介UpSetR包的使用。library(UpSetR)

#读入作图文件，这里根据 OTU 丰度存在与否，转为 0-1 类型的数据矩阵使用
otu <- read.delim('otu_table.txt', header = TRUE, row.names = 1, sep = '\t')
otu1 <- otu
otu1[otu1 > 0] <- 1
UpSetR绘制UpSet图非常简单，通过upset()函数来完成。?upset()查看帮助文档，里面也有自带的丰富的示例演示。在这里就不和原示例重复了，使用自己的数据来。#作图
upset(otu1)如上文所述，UpSetR默认展示的是UpSet图的“distinct mode”。若该样本区域对应了实心点，则表示这些元素存在于该集合中；若未标注实心点，则表示这些元素不存在于该集合中。#貌似并没有将所有集合类型完全展示出来？默认最多展示 5 组数据（nset = 5）的 40 种交集（nintersects = 40）
#我们期望将所有子集展示出来，nintersects 设置大一些
upset(otu1, nset = 6, nintersects = 100)
#也可自定义指定数据集名称
upset(otu1, sets = c('c1', 'c2', 'c3', 'c4', 'c5', 'c6'), nintersects = 100)

一般来讲，也不建议绘制很多的分组，当分组过多时，即使UpSetR能画出来，给人的感觉也乱糟糟的。

#添加排序
upset(otu1, nset = 6, nintersects = 100, order.by = c('freq', 'degree'), decreasing = c(TRUE, TRUE))
#关注特定的交集，或者某特定元素的分布，通过 queries 参数指定
#例如我们关注所有分组的交集、c1 分组的特有集，以及 Proteobacteria 在各交集中所含 OTUs 的种类数量
upset(otu1, nset = 6, nintersects = 100, order.by = c('freq', 'degree'), decreasing = c(TRUE, TRUE),
queries = list(list(query = intersects, params = 'c1', color = 'red'),
list(query = intersects, params = c('c1', 'c2', 'c3', 'c4', 'c5', 'c6'), color = 'blue'),
list(query = elements, params = c('taxonomy', 'Proteobacteria'), color = 'orange', active = TRUE)))
以上是常规的简单图作法，UpSet图的基本可视化及小调整等。同时，UpSetR允许我们自定义作图模式，如结合其它作图包的结果，统一展示在图中，丰富展示的信息。因此，UpSetR包因其功能强大已得到了广泛的应用。接下来将展示一个稍微复杂一点的示例。在示例数据“otu_table.txt”中，最后一列对应了这些OTU的物种分类（门水平），在这里，我们期望在得到UpSet图观测OTU种类分布的同时，将这些OTU所属门类群的原始相对丰度一并展示出。##复杂样式示例
#我们选择 6 组数据的共有 OTUs，并根据这些 OTUs 的所属分类统计相对丰度，绘制饼图和柱状图
#之后通过 UpSetR 将它们和韦恩图组合在一起
library(reshape2)
library(doBy)
library(ggplot2)

#获取 6 组共有 OTUs
select_otu <- rownames(otu1[rowSums(otu1[1:6]) == 6, ])
otu_select <- otu[select_otu, ]

#根据 taxonomy，计算这些共有 OTUs 的总丰度
phylum <- summaryBy(c1+c2+c3+c4+c5+c6~taxonomy, otu_select, FUN = sum)
names(phylum) <- c('taxonomy', 'c1', 'c2', 'c3', 'c4', 'c5', 'c6')

phylum_melt <- melt(phylum, id = 'taxonomy')
phylum_melt$value <- phylum_melt$value * 100
phylum_melt_stat <- summaryBy(value~taxonomy, phylum_melt, FUN = mean)

#按 taxonomy 丰度大小降序排序，便于作图
phylum_melt_stat <- phylum_melt_stat[order(phylum_melt_stat$value.mean), ]
phylum_melt_stat$taxonomy <- factor(phylum_melt_stat$taxonomy, levels = c('Others', as.vector(phylum_melt_stat$taxonomy[-which(phylum_melt_stat$taxonomy == 'Others')])))

#taxonomy 丰度饼图
color = c('gray', '#8DD3C7', '#FFFFB3', '#BEBADA', '#FB8072', '#80B1D3', '#FDB462', '#B3DE69', '#FCCDE5', '#BC80BD', '#CCEBC5')

plot1 <- function(mydata, x, y) {
ggplot(phylum_melt_stat, aes(x = '', y = value.mean, fill = taxonomy)) +
geom_bar(stat = 'identity', show.legend = FALSE) +
coord_polar(theta = 'y') +
scale_fill_manual(values = color) +
theme(panel.grid = element_blank(), panel.background = element_blank(), axis.text.x = element_blank(), plot.background = element_blank()) +
labs(x = NULL, y = 'Number of all shared OTUs: 1628\nAverage abundance of main phylum')
}

#taxonomy 丰度柱状图
phylum_melt$taxonomy <- factor(phylum_melt$taxonomy, levels = levels(phylum_melt_stat$taxonomy))

plot2 <- function(mydata, x, y) {
ggplot(phylum_melt, aes(x = variable, y = value, fill = taxonomy)) +
geom_col(position = 'stack', width = 0.6) +
scale_fill_manual(values = color) +
theme(panel.grid = element_blank(), panel.background = element_rect(color = 'black', fill = 'transparent')) +
labs(x = '', y = 'Relative abundance (%)', fill = NULL)
}

#组合样式，通过 attribute.plots 参数指定额外的图形
upset(otu1, nset = 6, nintersects = 100, order.by = c('freq', 'degree'), decreasing = c(TRUE, TRUE),
queries = list(list(query = intersects, params = c('c1', 'c2', 'c3', 'c4', 'c5', 'c6'), color = 'blue', active = TRUE)),
attribute.plots = list(gridrows = 80, ncols = 2,
plots = list(list(plot = plot1, mydata = NA, x = NA, y = NA, queries = FALSE),
list(plot = plot2, mydata = NA, x = NA, y = NA, queries = FALSE))))

#注：
#这里额外添加的柱状图和饼图，使用了原始的 OTU 丰度数据，独立于 UpSet 图的 0-1 类型的 OTU 数据本身
#构建外部 ggplot2 命令时直接打包在 plot1、plot2 函数内部
#尽管如此，plot1、plot2 仍需要添加“mydata, x, y”三个参数，不能空着，否则无法被 upset() 识别
#但可以通过将参数传递为空值解决
今天的分享就先到这里了，UpSetR包功能强大已无需多言，后面的，就需要我们慢慢地熟练它的使用了。

友情链接