pyCircosとは

ゲノム情報の可視化ソフトCircosをpythonのmatplotlibベースで書くことができる可視化パッケージです。比較的簡単にきれいなCircosを書くことができます。
Document example

1.install

#python 3.9
#anaconnda環境
pip install python-circos

1-1.exapmle notebookのclone

git clone https://github.com/ponnhide/pyCircos-examples.git

1-2.ディレクトリ構成

.
├── mycircos
│   ├── 01.ipynb
│   └── sample_data
└── pyCircos-examples
    ├── README.md
    └── example_notebooks

2.tutorial

2-1.簡単な円形グラフプロット `tickplot`

mycircos/01.ipynb

from pycircos import Garc, Gcircle #この二つのクラスが大事
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
%matplotlib inline

GarcとGcircleが重要なクラスで、Garcにグラフの情報を追加していき、Gcircleはグラフのmatplotでいう所のfigureの役割を果たしています。

mycircos/01.ipynb

data_file = 'sample_data/example_data_chromosome_general.csv'
data_df = pd.read_csv(data_file)
data_df.head()

mycircos/01.ipynb

#figureの定義とサイズの指定
circle = Gcircle(figsize=(4,4))

#データのリスト作成
names = data_df['chr'].tolist()
values = data_df['end'].tolist()

#circleにデータ一つずつnameとvalueを格納していきます。
for name, value in zip(names, values):

    arc = Garc(arc_id=name, size=value, interspace=2, raxis_range=(900,985))
    '''
    arc_id : データ一つ一つのID（arc）
    size : arcの長さ
    interspace : arc同士の間隔
    raxis_range : arcの幅、太さ 900から985まで
    '''
    circle.add_garc(arc) #circleにarc情報を格納


circle.set_garcs(0,270)

for arc_id in circle.garc_dict:
    circle.tickplot(
        arc_id,
        raxis_range=(985,990),
        tickinterval=20000000, #tickの間隔
        )
circle.figure #notebookでのグラフの表示

2-2.画像保存方法

circle.figure.savefig(fname='filenamae')

3.labelの位置とサイズ

labelの設定方法はDocumentでは以下のようになっています。

Document

label : str, optional
            Label of the arc section. The default is None.

labelposition : int, optional
    Relative label height from the center of the arc section.
    The default is 0.
    #arcの真ん中を0として配置するデフォルトは0

labelsize : int, optional
    Font size of the label. The default is 10.

ここでlabelpositionはarcの中心が0の相対座標で、Garcのraxis_rangeはcircleの中心が0の絶対座標なので注意が必要です。下図参照

常にarcの30だけ外側にlabelを配置するには以下のように設定します

circle = Gcircle(figsize=(8,8))
m = 985
n = 880
names = data_df['chr'].tolist()
values = data_df['end'].tolist()
for name, value in zip(names, values):
    arc = Garc(
        arc_id=name,
        size=value,
        interspace=2,
        raxis_range=(n,m),
        label_visible=True,
        labelposition=int(30 + (m-n)/2), #30は任意、どのぐらい外側に配置するか
        labelsize=10
        )
    circle.add_garc(arc)

4. valueの大きさによってスケーリング

これまでのことを組み合わせてこのようなこともできる。

from sklearn.preprocessing import MinMaxScaler
m = 985
n = 600
scaler = MinMaxScaler((n,m)) #600から985の間にスケーリングする
arr = np.array(values).reshape(-1,1)
values_scaled = scaler.fit_transform(arr)
values_scaled = values_scaled.reshape(-1).tolist()

circle = Gcircle(figsize=(8,8))

names = data_df['chr'].tolist()
values = data_df['end'].tolist()
for name, value, scaled_value in zip(names, values, values_scaled):
    arc = Garc(
        arc_id=name,
        size=value,
        interspace=5,
        raxis_range=(n,scaled_value),
        label_visible=True,
        labelposition=int(30 + (scaled_value-n)/2), #labelpositionもスケールに連動させる
        labelsize=10
        )
    circle.add_garc(arc)
    
circle.set_garcs(0,360)
for arc_id in circle.garc_dict:
    circle.tickplot(
        arc_id,
        raxis_range=(985,985),
        tickinterval=20000000,

次の記事

いろいろなplotを組み合わせる