在科学研究中，数据可视化是展示研究成果并传递信息的重要方式。其中，Chord图以其独特的视觉效果和强大的信息传达能力，在展示实体间关系和联系方面扮演着重要角色。
小果今天分享的这份高分文献中，Chord图以IF16.6的高影响因子荣登其中，为读者呈现了一场视觉盛宴。这些图表不仅令人赏心悦目，更是深藏着研究的宝贵信息。
所以小果带领小伙伴去学习这些高分文献中数据可视化的方法，并轻松复现这些高分文献中精美Chord图的绘制过程。我们先了解一下Chord图，其实它是通过环形布局展示了不同实体之间的关系网络，以弦的方式连接各个实体，线条的粗细、颜色的深浅都隐含着数据背后的丰富内涵。每一条线都是一个故事，连接着数据中的关联和联系，而每一次绘制都是对数据本身意义的再次诠释。
这次呢我们就去踏上Chord图的绘制之旅。通过解读高分文献中的数据结构和可视化手法，探索一下Chord图背后的绘制技巧和方法。从数据的准备，到Chord图的布局和装饰，我们将一步步解析每个环节，让复杂的图形变得易于理解和操作。
我们来看一下如何这次分享的文献中的图，是来自《A latitudinal gradient of deep-sea invasions for marine fishes》的图3，是来自IF16.6顶级期刊：
上述这个图，和我们平时见到的一些细节不一样，小伙伴也不知道如何绘制，下面我们就开始绘制吧
这里呢小果还要说明一下，我们这次做的数据分析数据量是非常大的，我们操作占用内存比较大，所以建议各位小伙伴可以使用服务器去运行，如果没有自己的服务器也没有关系，可以欢迎联系我们使用服务器租赁~
我们先看一下数据的格式
dat<-read_excel(“data1.xlsx”)
dat
小伙伴可以按照这样的数据自行去设置
然后我们加载一下使用的包
library(readxl)
library(circlize)
后面就可以进行绘制了，绘制之前呢，我们先设置一下Circos 图的参数
#circos.par定义 Circos 图的整体参数
circos.par(start.degree = 90, #控制了起始角度
#gap.degree = 4,
points.overflow.warning = FALSE,#控制点溢出的警告
gap.after=c(“A1″=5,”A2″=5,”A3″=15,#控制在特定区块后的间隔
“B1″=5,”B2″=5,”B3″=15,
“D1″=5,”D2″=5,”D3″=15))
这是对基础的设置了一下，还有去设置游戏额颜色的变量
#颜色向量，用于设定不同区块的颜色
grid.col<-c(“A1″=”#B0E0E6″,”A2″=”#2C8EB5″,”A3″=”#16465B”,
“B1″=”#B0E0E6″,”B2″=”#2C8EB5″,”B3″=”#16465B”,
“D1″=”#B0E0E6″,”D2″=”#2C8EB5″,”D3″=”#16465B”)
颜色设置完成后，就是对不同区域进行分，这样才能分清楚那个区域匹配那个
#区块组的标签向量，用于将不同的区块分组
group<-c(“A1″=”A”,”A2″=”A”,”A3″=”A”,
“B1″=”B”,”B2″=”B”,”B3″=”B”,
“D1″=”D”,”D2″=”D”,”D3″=”D”)
设置完，我们就创建和线图了
一些代码，小果都进行了注释，就不一一举例，很好理解
#创建 Chord 图
chordDiagram(dat,
grid.col = grid.col,#用于区块颜色的向量
col = rand_color(nrow(dat)),#通过 rand_color 函数随机生成用于连线的颜色
group = group,#指定区块所属的组
transparency = 0.25,#设置图形透明度。
directional = 1,#指定连接是否有方向性
direction.type = c(“arrows”, “diffHeight”), #设定连接线的类型
diffHeight = -0.04,#调整连接线的高度
annotationTrack = “grid”, #用于添加注释轨道和设置其高度。
annotationTrackHeight = c(0.08, 0.1),#用于添加注释轨道和设置其高度。
link.arr.type = “big.arrow”, #指定连接箭头的类型
# link.sort = TRUE,
# link.decreasing = TRUE,
link.largest.ontop = TRUE,#确保最大的连接位于最上层
#调整 Chord 图中轨道的外观和布局
preAllocateTracks = list(
track.height = 0.1,#设置轨道的高度为 0.1
#设定轨道的边距，第一个数字（0.01）代表轨道内部元素的上边距
#第二个数字（0）代表轨道内部元素的下边距
track.margin = c(0.01, 0)
))
这样基础的图形就出来了，后面我们还需要进行细节的调整
去自定义一下轨道上的内容，和文献中一样，这就需要用到通过 circos.trackPlotRegion() 函数
来看一下如何绘制的
circos.trackPlotRegion(
track.index = 2, #指定了要绘制的轨道的索引
bg.border = NA, #设置轨道的背景边框为透明
#自定义函数，用于在轨道上绘制内容
#获取了当前绘图区域的 x 轴限制
panel.fun = function(x, y) {
#从细胞元数据中获取了部分信息，处理区块的索引或标签。
xlim = get.cell.meta.data(“xlim”)
#sector.index = get.cell.meta.data(“sector.index”)
sector.index = gsub(“[a-z]+_”, “”, get.cell.meta.data(“sector.index”))
# 用于在轨道上添加文字标签
circos.text(
x = mean(xlim), #指定了文本标签的 x 轴位置，绘图区域 x 轴限制的平均值作为位置
y = 0.5, #文本标签的 y 轴位置设定为 0.5，指定了轨道的中心位置
col = “white”,#本标签的颜色设定为白色
labels = sector.index, #将区块的索引或标签作为标签添加到图上
facing = “bending”, #设定了文本标签的朝向
cex = 1,#指定了文本标签的缩放比例
niceFacing = TRUE#用于确保文本标签朝向的良好显示
)
}
)
不过到这步骤，我们的基础图形就绘制的差不多，为了进一步复现文献中，我们还需要进行细节上的调整，就是突出显示 Circos 图中特定区块的部分
就需要用highlight.sector()
names(group[7:9])#获取 group 变量中索引为7到9的区块的名称
i<-1
我们先调用完上面的分组，然后进行绘制
这里就分三个模块进行了绘制，原理都一样，所以就一起绘制了：
##highlight.sector() 函数在 Circos 图的特定轨道上突出显示不同组的区块
highlight.sector(names(group[7:9]),
track.index = 1, #指定了轨道索引
facing = “bending”, #控制了文本标签的朝向
font = 2,
col = ifelse(i == 1, “#E6AE48FF”, “#E6AE483a”),#设置区块颜色
border = ifelse(i == 1, TRUE, FALSE), #控制边框是否显示
lwd = ifelse(i == 1, 2, 0.01),#控制边框的线宽
text = “tropical”,
cex = 1.5, #文本缩放比例
text.col = “white”, ##文本颜色
niceFacing = TRUE)#确保文本标签朝向良好显示
代码中ifelse根据条件选择不同的颜色和属性来突出显示区块
##highlight.sector() 函数在 Circos 图的特定轨道上突出显示不同组的区块
highlight.sector(names(group[4:6]),
track.index = 1, #指定了轨道索引
facing = “bending”, #控制了文本标签的朝向
font = 2,
border = ifelse(i == 2, TRUE, FALSE),#控制边框是否显示
lwd = ifelse(i == 2, 2, 0.01),#控制边框的线宽
col = ifelse(i == 2, “#20A486”, “#20A4863a”),#设置区块颜色
#显示的文本
text = “temperate”,
cex = 1.5, #文本缩放比例
text.col = “white”,#文本颜色
niceFacing = TRUE)#确保文本标签朝向良好显示
##highlight.sector() 函数在 Circos 图的特定轨道上突出显示不同组的区块
highlight.sector(names(group[1:3]),
track.index = 1,
facing = “bending”,
font = 2,
col = ifelse(i == 3, “#472D7B”, “#472D7B3a”),
border = ifelse(i == 3, TRUE, FALSE),
lwd = ifelse(i == 3, 2, 0.01),
text = “polar”,
cex = 1.5,
text.col = “white”,
niceFacing = TRUE)
}
里面的字小果都按照文献中的内容进行了复现，
到现在我们的绘制就完成了，上述内容除了数据和颜色有一点不一样，小伙伴可以按照自己的喜爱去设置，记得多多理解代码的意思，这样才可以绘制出自己想要的图形，快去动手试试吧！！
最后呢，小果给小伙伴带个小福利，如果小伙伴觉得自己运行代码太麻烦，可以试试我们的云生信小工具哟，里面有成熟的代码，只要输入合适的数据就可以直接出想要的图呢。这是我们的网址http://www.biocloudservice.com/home.html
多多关注我们公众号，一来学生信！