最近在NAR上看到一篇文章：
image.png
原文网络图如下：
image.png
我们借此机会，通过ggraph作图解析相关参数。详细注释代码和参数已上传QQ群文件！我做的图如下，有一点问题，但不影响我们对这个函数的解析。
image.png
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，再或者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", "Pval")
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[i])
nodes <- data.frame(name = unique(union(node$path, node$gene)))
nodes$values <- c(sum(node$Pval), node$Pval)
nodelist[[i]] <- nodes
}
nodes <- rbind(nodelist[[1]],nodelist[[2]],nodelist[[3]])
nodes$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","Pval")]
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))
image.png
这样就完成了，也是美美的。如果觉得我的分享对你有用、有帮助的话，点个赞、分享一下再走呗！！！更多精彩请至我的公众号---KS科研分享与服务
