13518219792
曼哈頓圖和QQ圖是兩個在全基因組關聯（GWAS）分析里面最常出現的圖形，基本上已經是GWAS的標配，幾乎在每篇GWAS的文章都會見到，它們的作用和所要傳達出來的信息我也在上一篇關于GWAS的博文中做了些說明，在這里我們就只集中在如何用Python和geneview將其有效地展現出來。
成都創新互聯公司專注于龍口網站建設服務及定制，我們擁有豐富的企業做網站經驗。 熱誠為您提供龍口營銷型網站建設，龍口網站制作、龍口網頁設計、龍口網站官網定制、小程序制作服務，打造龍口網絡公司原創品牌,更為您提供龍口網站排名全網營銷落地服務。
首先，準備一些數據來作為例子。
我這里用來展現的數據是2011年丹麥人所做過的一個關于年輕人過度肥胖的GWAS研究——GOYA，數據也是從他們所發表的結果中獲得，總共有5,373個樣本，其中超重的個體（case）有2,633個，正常的個體（control）是2,740個，從樣本量上看還算可以。為了方便使用，我對其做了相關的處理，包括從PED和MAP文件到GEN文件的生成，并重復了一次case-control的關聯性分析，計算出了芯片上所研究的各個SNP位點與肥胖相關的顯著性程度（即p-value），最后又將結果數據抽取出來做成數據集——放在這里供下載（15.6Mb，csv格式）。
【注】以上內容雖提及到了一些領域內術語和相關文件格式，但若不懂也請不必糾結，因為后續處理都是基于這個最終的數據集來完成的。
接著，需要將geneview軟件包加入到你的Python中，有多種不同的方式，但推薦直接使用pip，以下是安裝比較穩定的發布版，直接在終端命令行下(Linux or Mac)輸入：
pip install geneview
第三種辦法就是直接下載源碼，然后自行編譯，雖然不推薦這種做法（因為還有依賴包必須自行下載安裝，過程會比較麻煩低效），但對于某些不能連接外網的集群也只能如此，這三種方式都是可行的。
曼哈頓圖
將示例數據下載下來：
wget data/master/GOYA.csv
先簡單地查看一下數據的格式:
chrID,rsID,position,pvalue
1,rs3094315,742429,0.144586
1,rs3115860,743268,0.230022
1,rs12562034,758311,0.644366
1,rs12124819,766409,0.146269
1,rs4475691,836671,0.458197
1,rs28705211,890368,0.362731
1,rs13303118,908247,0.22912
1,rs9777703,918699,0.37948
1,rs3121567,933331,0.440824
一共是4列（逗號分隔），分別為：[1]染色體編號，[2]SNP rs 編號，[3] 位點在染色體上的位置，[4]顯著性差異程度（pvalue）。在本例曼哈頓圖中我們只需要使用第1,3和4列；而QQ圖則只需要第4列——pvalue。
下面先從繪制曼哈頓圖開始。我們先將需要的數據讀取到一個列表中，可以這樣做：
import csv
data = []
with open("GOYA.csv") as f:
f_csv = csv.reader(f)
headers = next(f_csv)
data = [[row[0], int(row[2]), float(row[3])] for row in f_csv]
現在GOYA.csv中的數據就都存放在data列表中了，由于Python在讀取文件中數據時，都是以string類型存放，因此對于第3和第4列的數據有必要事先把做點類型轉換。
接下來，調用geneview中的曼哈頓圖函數。
import matplotlib.pyplot as plt
from geneview.gwas import manhattanplot
ax = manhattanplot(data, xlabel="Chromosome", ylabel="-Log10(P-value)") # 這就是Manhattan plot的函數
plt.show()
只需這樣的一句代碼就能創建一個漂亮的曼哈頓圖，有必要再次指出的是，geneview是以matplotlib為基礎開發出來的，所創建的圖形對象實際上仍屬于matplotlib，geneview內部自定義了很多圖形風格，同時封裝了大量只屬于基因組數據的圖表類型，但圖形的輸出格式以及界面顯示都仍和matplotlib一樣，因此在這里我們使用matplotlib.pyplot的show()函數(上例中：plt.show())將所繪制出來的曼哈頓圖顯示出來。如果要將圖形保存下來，則只需執行`plt.savefig("man.png")`，這樣就會在該目錄下生成一個名為『man.png』png格式的曼哈頓圖，若是要存為pdf格式，則只需將所要保存的文件名后綴改成『.pdf』（plt.savefig("man.pdf")）就可以了。下面這些格式：emf,
eps, pdf, png, jpg, ps, raw, rgba, svg,
svgz等都是支持的，至于最新的還有多少種，還請參照matplotlib文檔中說明。
此外，geneview中的每個畫圖函數都有著足夠的靈活性，我們也可以根據自己的需要做一些調整，比如：
xtick = ['1', '2','3','4','5','6','7','8','9','10','11','12','13','14','16','18', '20','22']
manhattanplot(data,
xlabel="Chromosome", # 設置x軸名字
ylabel="-Log10(P-value)", # 設置y軸名字
xtick_label_set = set(xtick), # 限定橫坐標軸上的刻度顯示
s=40, # 設置圖中散點的大小
alpha=0.5, # 調整散點透明度
color="#f28b1e,#9a0dea,#ea0dcc,#63b8ff", # 設置新的顏色組合
)
實現新的顏色組合、限定x軸上的刻度顯示和散點大小的調節。甚至還可以將散點改為線：
manhattanplot(data，
xlabel="Chromosome", # 設置x軸名字
ylabel="-Log10(P-value)", # 設置y軸名字
xtick_label_set = set(xtick), # 限定橫坐標軸上的刻度顯示
alpha=0.5, # 調整散點透明度
color="#f28b1e,#9a0dea,#ea0dcc,#63b8ff", # 設置新的顏色組合
kind="line"
)
其它方面的調整請查看geneview文檔中的相關說明。
Q-Q圖
qq圖只需用到上例中的pvalue那一列：
import csv
import matplotlib.pyplot as plt
from geneview.gwas import qqplot
pvalue=[]
with open("GOYA.csv") as f:
f_csv = csv.reader(f)
headers = next(f_csv)
pvalue = [float(row[3]) for row in f_csv]
ax = qqplot(pvalue, color="#00bb33", xlabel="Expected p-value(-log10)", ylabel="Observed p-value(-log10)") # Q-Q 圖
plt.show()
同樣，也可以根據自己的需要對改圖進行相關的調整。
以上，便是如何使用Python來制作Manhattan圖和QQ圖的方法，geneview的集成函數簡化了這樣的一個過程。
曼哈頓圖
將示例數據下載下來：
wget
先簡單地查看一下數據的格式:
chrID,rsID,position,pvalue
1,rs3094315,742429,0.144586
1,rs3115860,743268,0.230022
1,rs12562034,758311,0.644366
1,rs12124819,766409,0.146269
1,rs4475691,836671,0.458197
1,rs28705211,890368,0.362731
1,rs13303118,908247,0.22912
1,rs9777703,918699,0.37948
1,rs3121567,933331,0.440824
一共是4列（逗號分隔），分別為：[1]染色體編號，[2]SNP rs 編號，[3] 位點在染色體上的位置，[4]顯著性差異程度（pvalue）。在本例曼哈頓圖中我們只需要使用第1,3和4列；而QQ圖則只需要第4列——pvalue。
下面先從繪制曼哈頓圖開始。我們先將需要的數據讀取到一個列表中，可以這樣做：
import csv
data = []
with open("GOYA.csv") as f:
f_csv = csv.reader(f)
headers = next(f_csv)
data = [[row[0], int(row[2]), float(row[3])] for row in f_csv]
現在GOYA.csv中的數據就都存放在data列表中了，由于Python在讀取文件中數據時，都是以string類型存放，因此對于第3和第4列的數據有必要事先把做點類型轉換。
接下來，調用geneview中的曼哈頓圖函數。
import matplotlib.pyplot as plt
from geneview.gwas import manhattanplot
ax = manhattanplot(data, xlabel="Chromosome", ylabel="-Log10(P-value)") # 這就是Manhattan plot的函數
plt.show()
只需這樣的一句代碼就能創建一個漂亮的曼哈頓圖，有必要再次指出的是，geneview是以matplotlib為基礎開發出來的，所創建的圖形對象實際上仍屬于matplotlib，geneview內部自定義了很多圖形風格，同時封裝了大量只屬于基因組數據的圖表類型，但圖形的輸出格式以及界面顯示都仍和matplotlib一樣，因此在這里我們使用matplotlib.pyplot的show()函數(上例中：plt.show())將所繪制出來的曼哈頓圖顯示出來。如果要將圖形保存下來，則只需執行`plt.savefig("man.png")`，這樣就會在該目錄下生成一個名為『man.png』png格式的曼哈頓圖，若是要存為pdf格式，則只需將所要保存的文件名后綴改成『.pdf』（plt.savefig("man.pdf")）就可以了。下面這些格式：emf,
eps, pdf, png, jpg, ps, raw, rgba, svg,
svgz等都是支持的，至于最新的還有多少種，還請參照matplotlib文檔中說明。
此外，geneview中的每個畫圖函數都有著足夠的靈活性，我們也可以根據自己的需要做一些調整，比如：
xtick = ['1', '2','3','4','5','6','7','8','9','10','11','12','13','14','16','18', '20','22']
manhattanplot(data,
xlabel="Chromosome", # 設置x軸名字
ylabel="-Log10(P-value)", # 設置y軸名字
xtick_label_set = set(xtick), # 限定橫坐標軸上的刻度顯示
s=40, # 設置圖中散點的大小
alpha=0.5, # 調整散點透明度
color="#f28b1e,#9a0dea,#ea0dcc,#63b8ff", # 設置新的顏色組合
)
實現新的顏色組合、限定x軸上的刻度顯示和散點大小的調節。甚至還可以將散點改為線：
manhattanplot(data，
xlabel="Chromosome", # 設置x軸名字
ylabel="-Log10(P-value)", # 設置y軸名字
xtick_label_set = set(xtick), # 限定橫坐標軸上的刻度顯示
alpha=0.5, # 調整散點透明度
color="#f28b1e,#9a0dea,#ea0dcc,#63b8ff", # 設置新的顏色組合
kind="line"
)
其它方面的調整請查看geneview文檔中的相關說明。
Q-Q圖
qq圖只需用到上例中的pvalue那一列：
import csv
import matplotlib.pyplot as plt
from geneview.gwas import qqplot
pvalue=[]
with open("GOYA.csv") as f:
f_csv = csv.reader(f)
headers = next(f_csv)
pvalue = [float(row[3]) for row in f_csv]
ax = qqplot(pvalue, color="#00bb33", xlabel="Expected p-value(-log10)", ylabel="Observed p-value(-log10)") # Q-Q 圖
plt.show()
同樣，也可以根據自己的需要對改圖進行相關的調整。
以上，便是如何使用Python來制作Manhattan圖和QQ圖的方法，geneview的集成函數簡化了這樣的一個過程。
另外，如果你也看過丹麥人的這個GOYA研究，就會發現實際以上的兩個圖和其文章中的基本是一致的，當然我自己做了些數據清洗的操作，結果上仍然會有些許的不同。雖然此刻下結論還有點為時尚早，但總的來講，我應該也可以通過這個數據集比較順利的將其結果重復出來了。
最后，附上利用geneview畫曼哈頓圖和QQ圖的代碼：
（1）曼哈頓圖：
（2）QQ圖：
1，xlable,ylable設置x，y軸的標題文字。
2，title設置標題。
3，xlim,ylim設置x,y軸顯示范圍。
plt.show()顯示繪圖窗口，通常情況下，show（）會阻礙程序運行，帶-wthread等參數的環境下，窗口不會關閉。
plt.saveFig（）保存圖像。
面向對象繪圖
1，當前圖表和子圖可以用gcf(),gca()獲得。
subplot()繪制包含多個圖表的子圖。
configure subplots,可調節子圖與圖表邊框距離。
可以通過修改配置文件更改對象屬性。
圖標顯示中文
1，在程序中直接指定字體。
2， 在程序開始修改配置字典reParams.
3，修改配置文件。
Artist對象
1，圖標的繪制領域。
2，如何在FigureCanvas對象上繪圖。
3，如何使用Renderer在FigureCanvas對象上繪圖。
FigureCanvas和Render處理底層圖像操作，Artist處理高層結構。
分為簡單對象和容器對象，簡單的Aritist是標準的繪圖元件，例如Line 2D,Rectangle,Text,AxesImage等，而容器類型包含許多簡單的的 Aritist對象，使他們構成一個整體，例如Axis,Axes,Figure等。
直接創建Artist對象進項繪圖操作步奏：
1，創建Figure對象（通過figure（）函數，會進行許多初始化操作，不建議直接創建。）
2，為Figure對象創建一個或多個Axes對象。
3，調用Axes對象的方法創建各類簡單的Artist對象。
Figure容器
如何找到指定的Artist對象。
1，可調用add_subplot()和add_axes()方法向圖表添加子圖。
2，可使用for循環添加柵格。
3，可通過transform修改坐標原點。
Axes容器
1，patch修改背景。
2，包含坐標軸，坐標網格，刻度標簽，坐標軸標題等內容。
3，get_ticklabels(),,get-ticklines獲得刻度標簽和刻度線。
1，可對曲線進行插值。
2，fill_between()繪制交點。
3，坐標變換。
4，繪制陰影。
5，添加注釋。
1，繪制直方圖的函數是
2，箱線圖（Boxplot）也稱箱須圖（Box-whisker Plot），是利用數據中的五個統計量：最小值、第一四分位
數、中位數、第三四分位數與最大值來描述數據的一種方法，它可以粗略地看出數據是否具有對稱性以及分
布的分散程度等信息，特別可以用于對幾個樣本的比較。
3，餅圖就是把一個圓盤按所需表達變量的觀察數劃分為若干份，每一份的角度（即面積）等價于每個觀察
值的大小。
4,散點圖
5,QQ圖
低層繪圖函數
類似于barplot()，dotchart()和plot()這樣的函數采用低層的繪圖函數來畫線和點，來表達它們在頁面上放置的位置以及其他各種特征。
在這一節中，我們會描述一些低層的繪圖函數，用戶也可以調用這些函數用于繪圖。首先我們先講一下R怎么描述一個頁面；然后我們講怎么在頁面上添加點，線和文字；最后講一下怎么修改一些基本的圖形。
繪圖區域與邊界
R在繪圖時，將顯示區域劃分為幾個部分。繪制區域顯示了根據數據描繪出來的圖像，在此區域內R根據數據選擇一個坐標系，通過顯示出來的坐標軸可以看到R使用的坐標系。在繪制區域之外是邊沿區，從底部開始按順時針方向分別用數字1到4表示。文字和標簽通常顯示在邊沿區域內，按照從內到外的行數先后顯示。
添加對象
在繪制的圖像上還可以繼續添加若干對象，下面是幾個有用的函數，以及對其功能的說明。
?points(x, y, ...)，添加點
?lines(x, y, ...)，添加線段
?text(x, y, labels, ...)，添加文字
?abline(a, b, ...)，添加直線y=a+bx
?abline(h=y, ...)，添加水平線
?abline(v=x, ...)，添加垂直線
?polygon(x, y, ...)，添加一個閉合的多邊形
?segments(x0, y0, x1, y1, ...)，畫線段
?arrows(x0, y0, x1, y1, ...)，畫箭頭
?symbols(x, y, ...)，添加各種符號
?legend(x, y, legend, ...)，添加圖列說明
