基因相关性圈图（Circos图）

1.图片特点

这是一幅基因相关性圈图，通常被称为 Circos 图，它用于可视化多个基因之间的相关性关系。包括以下结构：

外围环：每个外部的长方形块代表一个基因，每个基因都有其对应的颜色来区分。
连线：圈内的线条代表基因之间的相关性：
红色连线表示基因之间存在正相关性。
蓝色连线表示基因之间存在负相关性。
线条密集程度：线条密集区域意味着存在大量相关性强的基因对。
图例：右下角图例指出了颜色所代表的相关性方向——红色为正相关，蓝色为负相关。

2.数据要求

基因列表：需要一组基因名称，通常在图中外围部分进行标识。
基因间相关性：每对基因之间的 Spearman 相关性系数，需要指定其值以判断其是正相关还是负相关。
显著性水平：需要确定哪些基因对之间的相关性达到统计显著性，才能在图中展示连线。
颜色标注：定义正负相关性的颜色，通常正相关为红色，负相关为蓝色。

3.用R代码生成虚拟数据

# 安装和加载必要的包
if (!require('circlize')) install.packages('circlize')
if (!require('dplyr')) install.packages('dplyr')
if (!require('ComplexHeatmap')) install.packages('ComplexHeatmap')
if (!require('RColorBrewer')) install.packages('RColorBrewer')

library(circlize)
library(dplyr)
library(ComplexHeatmap)
library(RColorBrewer)

# 生成虚拟的基因相关性数据
set.seed(123) # 设置随机种子以确保可重复性
genes <- c('WTAP', 'YTHDF1', 'YTHDC1', 'FTO', 'YTHDF2', 'ALKBH5', 'RBM15B', 'VIRMA', 'IGF2BP2', 'HNRNPA2B1', 'IGF2BP1', 'YTHDF3', 'IGF2BP3', 'HNRNPC', 'RBM15', 'RBMX', 'METTL4', 'YTHDC2', 'METTL3', 'ZC3H13')

# 创建一个包含基因相关性的虚拟数据框
gene_pairs <- expand.grid(genes, genes) %>% filter(Var1 != Var2)
correlation_values <- runif(nrow(gene_pairs), min = -1, max = 1)

correlation_data <- data.frame(
  gene1 = gene_pairs$Var1,
  gene2 = gene_pairs$Var2,
  correlation = correlation_values
)

# 将相关性数据保存为CSV文件
write.csv(correlation_data, file = 'gene_correlation_data.csv', row.names = FALSE)
gene_correlation_data <- correlation_data

4.绘图

# 读取CSV文件
gene_correlation_data <- read.csv('gene_correlation_data.csv')

gene_correlation_data <- correlation_data
# 筛选出显著相关的基因对（假设绝对值大于0.7的相关性为显著）
significant_data <- gene_correlation_data %>% filter(abs(correlation) > 0.7)

# 定义颜色映射
link_colors <- ifelse(significant_data$correlation > 0, "#FF6347", "#4682B4")
sector_colors <- colorRampPalette(brewer.pal(8, "Set3"))(length(genes))

# 绘制基因相关性圈图
circos.clear() # 清除之前的circos设置
circos.par(gap.degree = 2) # 设置每个扇区之间的间隙
circos.initialize(factors = genes, xlim = c(0, 1))

# 绘制每个基因的扇区并添加颜色
circos.trackPlotRegion(
  factors = genes, ylim = c(0, 1), panel.fun = function(x, y) {
    circos.text(CELL_META$xcenter, CELL_META$ylim[2] + mm_y(5), CELL_META$sector.index, facing = "bending.inside", niceFacing = TRUE)
    circos.rect(CELL_META$xlim[1], 0, CELL_META$xlim[2], 1, col = sector_colors[CELL_META$sector.numeric.index], border = NA)
  }
)

# 绘制基因之间的相关性连线
for (i in 1:nrow(significant_data)) {
  circos.link(
    significant_data$gene1[i], runif(1), 
    significant_data$gene2[i], runif(1), 
    col = link_colors[i], border = NA
  )
}

# 添加图例
legend("bottomright", legend = c("Positive Correlation", "Negative Correlation"), 
       col = c("#FF6347", "#4682B4"), lty = 1, lwd = 2, bty = "n", cex = 0.8)