章节与参考
数据与工作流 · 第 12 节,共 12 节
6.11 旗舰数据来源与构建
旗舰绘图页直接使用本页列出的随包数据。安装 ggchord 后即可加载;只有重新构建数据时才需要源码中的原始文件。完整来源表与展示子集分开保留。
1 数据入口
| 数据集 | 对应旗舰 | 可直接使用的内容 |
|---|---|---|
flagship_comparison_example |
Chord、Collinear、Radial、Sankey | 每个视图自己的序列表、已选择 HSP、CDS、标签顺序和显示方向;Collinear 另含固定布局的路由控制点 |
flagship_dotplot_example |
四序列 Dotplot | 全部32条 HSP、完整序列长度、16个单元格的计数标签及固定轴间隙 |
flagship_fusion_example |
六面板 Fusion | 总览 HSP/CDS、跨面板关系、源窗口、局部表、60个真实编码碱基及其源位置、放大区间 |
flagship_circular_example |
密集圆图与13个完整参考圆图 | 每图的完整序列长度、特征、独立参考引物、实际采用的酶集合、候选位点数和集合选择说明 |
flagship_comparison_example 的四个旗舰入口是 chord、collinear、radial、sankey。flagship_circular_example$dense 对应既有密集旗舰;flagship_circular_example$references 按原始序列标识命名。另有 comparison 入口,保留四坐标严格对照的原始教学子集。加载这些入口无需再运行识别、筛选、聚焦或字符提取。
2 原始来源与单位
四基因组来源为 MT108731.1、MT118296.1、OQ646790.1、OR222515.1 的原始 FASTA、GFF3 和标准 BLAST 表,保留在源码的 examples/fasta/、examples/gff3/、examples/blastn-standard/。完整输入仍可从 genome_comparison_example 追溯:4条完整序列、32条已观测 HSP、266条 CDS。原始输入与上游记录见真实输入流程。
圆图来自随包的13条完整质粒序列;识别数据库、参考引物和酶集合的来源及许可见源码 inst/NOTICE 和相应 data-raw/ 生成规则。保留原始标识、序列字符、坐标、链和记录顺序,不为改善视觉效果修改生物学数据。
核酸长度与坐标单位为 bp,区间采用一基闭区间,Identity 为百分比。反向 HSP 的端点可降序,不能为了消除提示排序端点。显示 orientation 与生物学 strand 分别保存。
3 比较图的展示选择
Chord 和 Radial 使用同一12条 HSP及20条 CDS:HSP 长度至少900 bp、Identity 至少75%,每个来源序列对最多取长度最大的3条;CDS 按真实链和源位置分组抽样,正链优先保留与显示端点相交的记录。原始短 CDS 和真实链保持不变。
Collinear 和 Sankey 保留16条 CDS及10条 HSP。两个拥挤候选只从这组展示中省略,仍保留在完整来源表中;相邻行保留选中 HSP,非相邻行每对仅选最长的一条。标签输入顺序也随数据保存。
显示方向和 Collinear 路由控制点是既有旗舰的明确预设,适用于原顺序、间隙及对齐配置。改变这些几何设置时,应重新计算相应预设。它们不是生物学注释,也不是设备测量或标签避让结果。
4 Dotplot 与 Fusion 的派生表
Dotplot 保留全部32条 HSP,不补造反向、自比对或缺失记录。计数表包含四序列的16个组合,零值仅表示本次输入无记录。标签位置按原生序列长度和4,000 bp轴间隙构建;改变轴拼接方式时应重新构建标签位置。
Fusion 每个来源序列对选择最接近4,000 bp的一条真实 HSP,每条序列按来源注释顺序选择3条 CDS。局部窗口来自已选择关系的真实端点,两侧各扩展800 bp并裁切到源边界;完整来源、局部裁剪表和用于上下文的特征分别保存。
字符面板使用局部下方序列第二条显示 CDS 的前60个真实编码碱基;负链按编码方向取反向互补。每个字符保留真实源位置,注册字符图及放大连接时直接使用这些字段,不从宏观 HSP 猜测逐碱基对齐。
5 圆图的识别与酶集合
特征识别、参考引物匹配和酶切搜索只在数据构建时执行。密集旗舰沿用商业全集中的唯一六碱基及以上集合。完整参考图优先使用保存的参考酶集合;参考集合明确为 None 时,沿用商业非冗余集合中的唯一六碱基及以上位点,并在每条记录的 policy 中说明。
sites 是实际绘制的完整集合,all_site_count 记录未筛选搜索结果的行数。大量未采用的候选不重复随包保存,可从原序列及冻结的识别数据库重建。旧三切点图库的抽样另存为 gallery_sites,与完整参考图分开使用,不能把三切点抽样说成完整酶集合。识别和集合选择均保留现有规则。
例如,密集圆图的位点集合可这样重建;搜索结果仅用于构建,不是实验切割测量。
6 重建与核对
在源码根目录、安装 pkgload、dplyr(≥1.1.0)、purrr 和 ggplot2 后执行:
R · 示例代码
Rscript data-raw/generate_website_data.R
Rscript data-raw/generate_flagship_data.R完整代码见来源表与教学数据生成脚本和旗舰数据生成脚本。原始输入校验和见来源文件清单,旗舰生成依赖校验和见旗舰输入清单。
随包对象只保存来源/展示表和明确的固定预设;不保存 ggplot 对象、grob、设备测量或最终标签位置。绘图时继续按真实物理尺寸计算几何与标签避让。重建后应核对来源记录、展示顺序及成图效果,再更新随包数据。
7 返回绘图
四种比较图 · Dotplot · Fusion · 密集圆图 · 完整参考圆图