桑基图（Sankey diagram）

Oct 29, 2017 1 min read R

简介

桑基图（Sankey diagram）是用于表示能量或信息流动的一种可视化方式，应用于微生物组数据，可以清晰展示各个taxonomy level之间物种相对丰度的流动。从Domain到Species，相邻两级之间分支的总宽度保持不变（能量守恒），如下图：

数据准备

此处我们使用Metaphlan2 tutorial中的数据，来源于牙龈菌斑的宏基因组测序：

download.file('https://github.com/biobakery/biobakery/raw/master/demos/biobakery_demos/data/metaphlan2/output/SRS014476-Supragingival_plaque_profile.txt', destfile = 'SRS014476-Supragingival_plaque_profile.txt')
taxtab <- read.table('SRS014476-Supragingival_plaque_profile.txt', sep='\t', stringsAsFactors=FALSE)

加载networkdD3包

该包使用D3.js实现数据的交互式可视化，具体一些例子参见这里：

library(networkD3)

数据预处理

函数sankeyNetwork主要需要两个data frame: Links和Nodes。Links主要有连接的起点（source）和终点（target），似乎此处的起点和终点只能是从0开始的数字。Nodes如果不指定ID，默认行是按照0开始的数字排列。

second_last <- function(x) ifelse(length(x)>1, x[length(x)-1], NA)

taxtab <- taxtab[-grep('unclassified', taxtab$V1), ]   ## remove unlassified taxa
 
tax_split <- strsplit(taxtab$V1, '\\|')                ## split into different taxonomy levels
target <- sapply(tax_split, tail, n=1)                 ## target node
mapping <- data.frame(id=0:(length(target)-1), row.names=target)
target_id <- mapping$id
source <- sapply(tax_split, second_last)               ## source node
source_id <- mapping[source,]
value <- taxtab$V2                                     ## width of flow

links <- data.frame(source=source_id, target=target_id, value) ## links
links <- links[!is.na(links$source), ]                 ## root of the tree has no parent (source)
nodes <- data.frame(do.call(rbind, strsplit(target,'__')))
colnames(nodes)=c('tax', 'name')

绘图

sankeyNetwork(Links = links, Nodes = nodes, 
              Source = "source", Target = "target", 
              Value = "value", NodeID = "name", NodeGroup = 'tax',
              sinksRight=FALSE, fontSize = 10, nodeWidth = 20, nodePadding=40, 
              height =200, width = 900)

在此图中，不同颜色代表不同的taxonomy level，连接的宽度代表相对丰度。

桑基图工具的其他选择

用于生成第一张图的源代码基于Cairo，操作更加复杂
最新发布于bioRxiv的BioSankey：https://github.com/nthomasCUBE/BioSankey
拥有图形界面的Pavian: https://github.com/fbreitwieser/pavian

R Sankey