章节与参考
通用技巧 · 第 8 节,共 10 节
5.7 计数、分箱与轨道统计
准备数据与配置(展开)
R · 示例代码
plasmid <- plasmid_example_pUC19
track_seq <- plasmid[c("accver", "length")]
starts <- seq.int(1, plasmid$length, by = 100)
bins <- data.frame(accver = plasmid$accver, start = starts,
end = pmin(starts + 99, plasmid$length))
bins$gc <- vapply(seq_len(nrow(bins)), function(i) {
bases <- strsplit(substr(plasmid$sequence, bins$start[i], bins$end[i]), "")[[1]]
mean(bases %in% c("G", "C"))
}, numeric(1))
head(bins)R · 示例代码
library(dplyr)
foundation_source <- ribbon_data_example |>
mutate(source_hsp_id = paste0("bundled:", row_number()))
foundation_pair <- foundation_source |>
slice_head(n = 1) |>
select(qaccver, saccver)
foundation_ids <- c(foundation_pair$qaccver, foundation_pair$saccver)
foundation_seqs <- seq_data_example |>
filter(accver %in% foundation_ids) |>
select(accver, length)
foundation_hsp <- foundation_source |>
filter(qaccver %in% foundation_ids, saccver %in% foundation_ids,
qaccver != saccver)
foundation_features <- gene_data_example |>
filter(accver %in% foundation_ids) |>
transmute(accver, start, end, strand = source_strand, anno)1 统计观测数或显示给定数值
bar 按源位置统计观测数,col 显示已提供的数值。各 accession/window 在视图投影或 显示复制前独立计算 Stat 和数据 Position。track=position_track(...) 声明物理 band, position 独立选择 stack、dodge 等原生数据调整。旧的 position=position_track(...) 物理 band 写法继续接受。
R · 示例代码
foundation_events <- foundation_hsp |>
transmute(accver = qaccver, pos = qstart)
p_foundationcount <- ggchord(foundation_seqs) +
geom_seq() +
geom_track(
aes(x = pos), data = foundation_events,
geom = "bar", track = position_track("query_starts")
) +
coord_collinear()
view_ggchord(p_foundationcount, width = 9, height = 5, units = "in")
下面的快捷入口在相同物理轨道中统计同一组观测。
R · 示例代码
p_count_shortcut <- ggchord(foundation_seqs) +
geom_seq() +
geom_track_bar(
aes(x = pos), data = foundation_events,
track = position_track("query_starts")
) +
coord_collinear()| 几何 | 默认 Stat | 输入含义 |
|---|---|---|
| bar | count | x/pos 观测,可选 weight |
| col | identity | 已给定 y/track_value,区间或位置 |
| point、line、path、step、text | identity | 源 x 与局部 y,text 还需 label |
| tile、rect、area、ribbon、segment、linerange、errorbar | identity | 对应 ggplot2 原生范围字段 |
可用统计包括 identity/count/bin/summary,以及已声明的 smooth/density/ecdf 估计组合。bin 必须显式给出 binwidth 或 breaks。 支持原生 group 与 after_stat 映射;数值轴保留统计量单位。任意第三方 Geom/Stat 插件不在支持范围内,不支持的组合明确拒绝。既有 track line/tile 快捷层保留其原有行为。
源位置使用 x orientation,原生文字字号目前使用 mm,区间几何只支持完整轮廓。其他方向、字号单位或局部轮廓会明确报错。原生文字样式和路径箭头继续转发。
首批原生 Track 要求单面板和 ggchord 坐标系。分面、coord_flip()、raster、boxplot 和 violin 尚不支持,显式请求会报错。纵向投影使用 coord_collinear(seq_axis = "vertical")。统计结果在 dodge 等数据位置调整前保留源成员。矩形和 tile 使用输入边界,不虚构零基线。
2 两条独立轨道与显示顺序
同一 GC 既可用柱高也可用颜色编码。这里明确声明 gc_height 和 gc_colour 两个 ID;高度值域 0–1 与颜色值域 0–1 分别设置,物理带宽不同。第二幅只把颜色轨道 order 从 2 改为 0,使其靠近骨架。order 是有限数值优先级,不是测量值,编号不必从 1 开始;同优先级按 ID 排序。相同 ID 的多层需一致的 side/order/width/gap,跨独立窗口不会隐式连接折线。
R · 示例代码
make_gc_tracks <- function(colour_order) {
ggchord(track_seq) + geom_seq() +
geom_track_col(aes(track_value = gc), data = bins,
position = position_track("gc_height", order = 1, width = grid::unit(8, "mm"))) +
geom_track_tile(aes(track_fill = gc), data = bins,
position = position_track("gc_colour", order = colour_order, width = grid::unit(4, "mm"))) +
scale_track_value_continuous("gc_height", limits = c(0, 1), unit = "GC fraction") +
scale_track_fill_gradientn("gc_colour", colours = c("#F1E51D", "#31849B"), limits = c(0, 1)) +
coord_circular()
}R · 示例代码
p_comparetracktwo <- make_gc_tracks(colour_order = 2)
view_ggchord(p_comparetracktwo, width = 9, height = 8, units = "in")
R · 示例代码
p_comparetrackorder <- make_gc_tracks(colour_order = 0)
view_ggchord(p_comparetrackorder, width = 9, height = 8, units = "in")
3 DNA 窗口与折线边界
此处 GC 为 mean(bases %in% c("G", "C")):模糊碱基仍计入分母、对分子贡献为零;末窗口使用实际碱基数。当前 pUC19 不含模糊碱基,换输入时应明确并记录策略,不能假定自动忽略。局部聚焦裁剪区间并保留原汇总,不会重新计算缩短窗口的 GC。折线按输入样本及分组连接,closed 显式控制圆周闭合,gap 属于轨道的物理间隔。不能用闭合线暗示被省略源窗口之间存在连续观测。
4 原生源空间估计
geom_track() 还会在投影前委托原生 ggplot2 执行 smooth、density 和 ecdf。它们是给定观测的估计,不是新增观测,按 accession/窗口及显式 group 独立计算。估计的 source_rows 记录原生缺失值处理后提交给估计器的组,不表示每点影响力、阳性 read support,也不是自定义模型内部进一步过滤的报告。
| 统计 | 已声明几何 | 输入和显式选择 | 数据 Position |
|---|---|---|---|
smooth |
line、path、point、ribbon
|
源 x 与原数值 y;选择 method/formula,ribbon 需要 SE 边界 |
"identity" 或原生 PositionIdentity |
density |
line、path、point、area
|
x 中的位置及可选权重;选择带宽,after_stat(density) 单位是源位置单位的倒数 |
"identity" 或原生 PositionIdentity |
ecdf |
line、path、point、step
|
x 中的位置;after_stat(ecdf) 是累计比例;显式 pad = FALSE 避免无限源锚点 |
"identity" 或原生 PositionIdentity |
这些统计的其他组合明确报错。density area 必须显式 position = "identity",因为 area 否则默认堆叠。bounds 仍是 Track 源边界策略,不转发原生 density 的边界校正参数。facet、boxplot、violin、raster 及任意第三方 Geom/Stat 对象仍不支持;存在一个数值名称不等于具备投影契约。
复用上文准备的真实 bins 和 track_seq。下面显式线性拟合作为 GC 比例的显示摘要,原生置信 ribbon 与均值线共享一个 Track:
R · 示例代码
estimate_bins <- bins |> dplyr::mutate(pos = (start + end) / 2)
estimate_band <- position_track("gc_fit", width = unit(12, "mm"))
p_estimate <- ggchord(track_seq) +
geom_seq() +
geom_track(
aes(x = pos, y = gc), data = estimate_bins, geom = "ribbon", stat = "smooth",
method = "lm", formula = y ~ x, se = TRUE, position = "identity",
fill = "#387D88", alpha = 0.2, track = estimate_band
) +
geom_track(
aes(x = pos, y = gc), data = estimate_bins, geom = "line", stat = "smooth",
method = "lm", formula = y ~ x, se = FALSE, colour = "#285B65", track = estimate_band
) +
scale_track_value_continuous("gc_fit", name = "GC fit", unit = "fraction") +
coord_collinear()
view_ggchord(p_estimate)拟合使用给定的原始源 x/y,之后 Track 数值标度的变换只映射估计,不会暗中重拟合 log 空间模型;这与原生 ggplot 在 Stat 之前放置变换有别。如需在变换空间拟合,应事先显式准备、命名变换变量并声明单位。事件位置的核密度不是测序深度,ECDF 是累计分布,不是逐位点比对。
真实 pUC19 GC 窗口及 G/C 位置已与原生 ggplot2 数值和组来源逐项对照,并核对曲线/竖向投影及显式缺失值控制。check-track-estimates.R 保存数值报告和实际 CI/均值图。有限源边界及物理 band 约束仍适用;自动摆放不改变模型或制造观测。
5 轨道与窗口使用相同源坐标
这里聚焦 pUC19 的 500–1500 bp,并按 interval 裁剪同一批实际 GC 窗口。focus_ggchord_track 不重新计算窗口均值,不在边界创造观测,也不会用一条线跨过省略的窗口。需要重新计算更细粒度 GC 时,应回到原 DNA 明确新窗口与分母。
R · 示例代码
track_loci <- data.frame(accver = track_seq$accver, start = 500, end = 1500)
focused_bins <- focus_ggchord_track(bins, track_seq, track_loci, type = "interval")
head(focused_bins)输出 / 文本
accver start end gc .source_accver .source_row .source_origin .source_start .source_end .truncated_left .truncated_right
1 pUC19 1 1 0.53 pUC19 5 500 401 500 TRUE FALSE
2 pUC19 2 101 0.49 pUC19 6 500 501 600 FALSE FALSE
3 pUC19 102 201 0.61 pUC19 7 500 601 700 FALSE FALSE
4 pUC19 202 301 0.58 pUC19 8 500 701 800 FALSE FALSE