轉(zhuǎn)載自https://blog.csdn.net/shenshenwu666/article/details/82956515
將群體的遺傳圖譜構(gòu)建完成之后，我們得到的是一個excel文件，一堆數(shù)據(jù)，那么在做工作匯報或者發(fā)表文章的時候，我們必須要將數(shù)據(jù)進行可視化，最傳統(tǒng)的方法當(dāng)然是使用mapchart，我一直也是使用mapchart，其將遺傳圖譜可視化的效果圖如下：
作為一個極度老牌的可視化軟件，mapchart的弊端現(xiàn)在已經(jīng)很明顯了。在十幾年前，一個群體的分子標(biāo)記還很少，往往很普遍的情況是只有幾百個SSR標(biāo)記，而現(xiàn)在，隨著測序行業(yè)的發(fā)展，隨著SNP標(biāo)記的普及，分子標(biāo)記也越來越多，當(dāng)分子標(biāo)記多起來之后，mapchart的可視化結(jié)果就會很難看，很擁擠，很密集，甚至我用自己的2378個標(biāo)記可視化時，出現(xiàn)了頁面篇幅容納不下這么多標(biāo)記的情況，在無法使用mapchart可視化遺傳圖譜的情況下，我尋找到了另一種可視化遺傳圖譜的方法，它既能展示出每個標(biāo)記在遺傳圖譜上的位置，同時還能用熱圖的形式展示出標(biāo)記在遺傳圖譜上的密度。
我使用的是一個叫“LinkageMapView”的R包，此包既能在windows下使用，也同時支持linux和Mac。需要的輸入文件格式如下：
文件分三列，第一行是header，三列分別為Group、Position、Locus。group代表的是遺傳圖譜上的連鎖群，position指的是遺傳圖譜上每個標(biāo)記的遺傳距離，locus指的是標(biāo)記的名字。
以我的數(shù)據(jù)為例，我的輸入數(shù)據(jù)是玉米的遺傳圖譜，共有10個連鎖群，代碼如下：
library(LinkageMapView)
a <- read.csv("C:\\Users\\Shenshen Wu\\Desktop\\linkage.csv")
maxpos <- floor(max(a$Position[a$Group == "LG01" | a$Group == "LG02" | a$Group == "LG03" | a$Group == "LG04" | a$Group == "LG05" | a$Group == "LG06" | a$Group == "LG07" | a$Group == "LG08" | a$Group == "LG09" | a$Group == "LG10"]))
at.axis <- seq(0, maxpos)
axlab <- vector()
for (lab in 0:maxpos) {
? ? ? if (!lab %% 10) {
? ? ? ? ? ? axlab <- c(axlab, lab)
? ? }
? ? else {
? ? ? ? axlab <- c(axlab, NA)
? ? }
}
outfile = file.path("C:\\Users\\Shenshen Wu\\Desktop", "LinkageMap.pdf")
lmv.linkage.plot(a,outfile,mapthese=c("LG01","LG02","LG03","LG04","LG05","LG06","LG07","LG08","LG09","LG10"),denmap=TRUE, cex.axis = 1, at.axis = at.axis, labels.axis = axlab)
最后的可視化結(jié)果如下：
