UpSetR：多数据集绘图可视化处理利器
说到集合数据可视化，我们第一时间想到的就是韦恩图。在 NGS 相关的研究中，韦恩图用来直观表征不同的集合之间元素重叠关系，是经常在文献中出现的图。
在集合数少的时候韦恩图是很好用的，但是当集合数多比如 5 个以上的时候那就会看的眼花缭乱了。比如下面这张发表在 Nature 上，显示了香蕉基因组与其他五种物种的基因组之间关系的 6 个集合韦恩图。
虽然这个图看起来很酷很有趣，但却也让人眼花：我们很难尝试从中提取任何信息；很难去跟踪哪个交叉点涉及哪些集合；也不清楚哪个是可视化中最大的交叉点——要获取这些信息我们必须逐一阅读图中的标签。
为了解决上面的问题，今天介绍一个专门用来做集合可视化，并且不受输入的集合个数限制的 R 包 UpSetR ，该包来源于 UpSet（一种新的用于数据集，以及它们的交集、组合定量分析的可视化技术）。Python 里面也有一个相似的包 py-upset 。此外还有个基于网页版本的 UpSetR shiny app 以及基于 github 的源代码库。
一
图形解读
UpSetR 可视化的结果图的基本上长得像下图这个样子：
与之相对应的韦恩图：
上述两个图是从 UpSetR 内置的分析了不同电影所属类型的 movies 数据集中选取了 Name、Action Comedy、Drama 4 列数据进行画图得到的结果：
黑色点表示该区域是有数据的且上方的 Intersection Size 条形图是该区域的数值大小；灰色的点表示该区域没有数据；
不同点连线表示存在交集，具体交集的个数可以看上方的条形图；
不同类型的数据的总量可以看左边的 Set Size 条形图。
二
安装
UpSetR 有两种方式安装：
# 从 CRAN 安装
install.packages("UpSetR")
# 从 Github 上安装
devtools::install_github("hms-dbmi/UpSetR")【左右滑动查看完整信息】
三
数据导入
UpsetR 接受三种类型的数据输入：
表格形式，在 R 语言里就是数据框了。行表示元素，列表示数据集分配和额外信息。
元素名的集合( fromList )。
venneuler 包引入的用于描述集合交集的向量 ( fromExpression）。
#fromList
listinput <- list(one = c(1, 2, 3, 5, 7, 8, 11, 12, 13), two = c(1, 2, 4, 5, 10), three = c(1, 5, 6, 7, 8, 9, 10, 12, 13))
#fromExpression
expressionInput <- c(one = 2, two = 1, three = 2, `one&two` = 1, `one&three` = 4, `two&three` = 1, `one&two&three` = 2)【左右滑动查看完整信息】
接下来就可以绘制绘制图形了：
library(UpSetR)
upset(fromList(listinput), order.by = "freq")
#下面绘制的图形等同于上图
upset(fromExpression(expressionInput), order.by = "freq")
【左右滑动查看完整信息】
四
参数详解
下面所有的例子都将使用 UpSetR 内置的数据集 movies 来绘制。
#导入数据
movies <- read.csv(system.file("extdata", "movies.csv", package = "UpSetR"), header = TRUE, sep = ";")
#先大致浏览一下该数据集,数据集太长，就只看前几列
knitr::kable(head(movies[,1:10]))【左右滑动查看完整信息】
该数据集展示的是电影名（name）、发行时间（ReleaseDate）以及电影类型，数据的详细信息自己可以看去。
UpsetR 绘制集合可视化图形使用函数 upset()。
upset(movies, nsets = 6, number.angles = 30, point.size = 2, line.size = 1, mainbar.y.label = "Genre Intersections", sets.x.label = "Movies Per Genre", text.scale = c(1.3, 1.3, 1, 1, 1.5, 1))【左右滑动查看完整信息】
解释一下上面部分参数：
nsets：顾名思义，就是展示几个集合，movies 数据集有 20 几个集合，这里只展示其中的6个，另外从图中可以看出，这 6 个集合应该不是按顺序选择的。
numble.angle：这个参数就是调整柱子上数字的角度的。
mainbar.y.label/sets.x.label：坐标轴名称。
text.scale()：有六个数字，分别控制 c(intersection size title, intersection size tick labels, set size title, set size tick labels, set names, numbers above bars) 这 6 个字体的大小。
很多时候我们想要看特定的几个集合：
upset(movies, sets = c("Action", "Adventure", "Comedy", "Drama", "Mystery", "Thriller", "Romance", "War", "Western"), mb.ratio = c(0.55, 0.45), order.by = "freq")【左右滑动查看完整信息】
参数解释：
mb.ratio：控制上方条形图以及下方点图的比例。
order.by：如何排序，这里 freq 表示从大到小排序展示，其他选项有 degree 以及先按 freq 再按 degree 排序。
通过 keep.order 参数来对各个变量进行排序：
upset(movies, sets = c("Action", "Adventure", "Comedy", "Drama", "Mystery", "Thriller", "Romance", "War", "Western"), mb.ratio = c(0.55, 0.45), order.by = "freq", keep.order = TRUE)【左右滑动查看完整信息】
也可以按 group 进行展示，下图展示的就是按各个变量自身、两个交集、三个交集......依次展示。参数 cutoff 控制每个 group 显示几个交集。参数 intersects 控制总共显示几个交集。
upset(movies, nintersects = 60, group.by = "sets", cutoff = 6)【左右滑动查看完整信息】
还有很多参数比如控制颜色的参数，点、线大小等，具体可通过 ?upset 或者 help(upset) 查看帮助信息。
下一篇文章，我们将会介绍一下 UpSetR 其他一些高级参数的用法。
本文分享自微信公众号 - 生信科技爱好者（bioitee）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
