network3D 交互式网络生成
networkD3是基于D3JS的R包交互式绘图工具，用于转换R语言生成的图为交互式网页嵌套图。目前支持网络图，桑基图，树枝图等。
关于网络图的绘制，我们之前有5篇文章，可点击查看。
- Cytoscape教程1
- Cytoscape之操作界面介绍
- 新出炉的Cytoscape视频教程
- Cytoscape: MCODE增强包的网络模块化分析
- 一文学会网络分析——Co-occurrence网络图在R中的实现
也可以使用此文介绍的network3D绘制交互式网络图，输入数据与Cytoscape需要的数据格式一致。
运行下方脚本，可得到这个网络图。是关于我们培训现在开通报名的课程、开过的课程和即将要开的课程。
如果需要用自己的数据，也只需替换数据部分，其它部分都是写好的通用脚本。
#install.packages("networkD3")
library("networkD3")
# 网络数据和节点属性数据以类似格式存入文本文件即可
# 网络文件有3列组成，第一列为
network <- "Src;Target;Value
Bioinfo;Biology;4
Bioinfo;Math;4
Bioinfo;Program;4
Bioinfo;NGS;4
Program;Linux;1
Program;Python;1
Program;R;1
NGS;RNAseq;1
NGS;ChIPseq;3
NGS;16Sseq;3
NGS;Metagenome;1
NGS;SingeCellSeq;3
NGS;DNAmethylseq;1
NGS;lncRNA;3
NGS;Exomeseq;1
NGS;TCGA;1
"
attribute <- "name;group;size
Bioinfo;Class;4
Biology;Class;4
Math;Class;4
Program;Class;4
NGS;Class;4
Linux;On;2
Python;Off;2
R;Off;2
RNAseq;Off;1
ChIPseq;On;1
16Sseq;On;1
Metagenome;On;1
SingeCellSeq;InPrepare;1
DNAmethylseq;InPrepare;1
lncRNA;InPrepare;1
Exomeseq;InPrepare;1
TCGA;InPrepare;1"
network <- read.table(text=network, sep=";", header=T, row.names=NULL, quote="", comment="")
network <- network[,1:3]
colnames(network) <- c("Src", "Target", "Value")
nodes <- unique(c(network$Src, network$Target))
factor_list <- sort(unique(c(levels(network$Src), levels(network$Target))))
num_list <- 0:(length(factor_list)-1)
levels(network$Src) <- num_list[factor_list %in% levels(network$Src)]
levels(network$Target) <- num_list[factor_list %in% levels(network$Target)]
attribute <- read.table(text=attribute, sep=";", header=T, row.names=NULL, quote="", comment="")
attribute <- attribute[match(factor_list, attribute$name),]
forceNetwork(Links = network, Nodes = attribute,
width = 600, height=400,
Source = "Src", Target = "Target",
Value = "Value", NodeID = "name",
Group = "group", opacity = 1,
legend = T, zoom = T, Nodesize = "size",
bounded = T, opacityNoHover = 1, fontSize = 15)
桑基图
桑基图（Sankey diagram），即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。
也可以视为一种层级网络图，比如展示上一篇文章中的生物信息课程网络图；也可以展示菌群随时间变化的趋势，如3分和30分文章差距在哪里文章所示哈扎人肠道菌群的季节变化规律。
下面将用2个例子，展示如何用常见网络图数据绘制桑基图。
最简单桑基图
第一列为上游，第二列为下游，第三列为联通值，值越大线越粗。如果您自己有数据，只需要替换输入部分，后面数据格式转换代码是通用的。
network <- "Src;Target;Value
Bioinfo;Biology;20
Bioinfo;Math;20
Bioinfo;Program;20
Bioinfo;NGS;20
Program;Linux;8
Program;Python;8
Program;R;6
NGS;RNAseq;1
NGS;ChIPseq;1
NGS;m16Sseq;1
NGS;Metagenome;1
NGS;SingeCellSeq;1
NGS;DNAmethylseq;1
NGS;lncRNA;1
NGS;Exomeseq;1
NGS;TCGA;1
"
network <- read.table(text=network, sep=";", header=T, row.names=NULL, quote="", comment="")
network <- network[,1:3]
colnames(network) <- c("Src", "Target", "Value")
# 转换原始数据点为0起始的一系列整数表示
factor_list <- sort(unique(c(levels(network$Src), levels(network$Target))))
num_list <- 0:(length(factor_list)-1)
levels(network$Src) <- num_list[factor_list %in% levels(network$Src)]
levels(network$Target) <- num_list[factor_list %in% levels(network$Target)]
network$Src <- as.numeric(as.character(network$Src))
network$Target <- as.numeric(as.character(network$Target))
attribute <- data.frame(name=c(factor_list))
network
Src Target Value 1 1 2 20 2 1 8 20 3 1 11 20 4 1 10 20 5 11 6 8 6 11 12 8
attribute
head(attribute[, 1]) [1] 16Sseq Bioinfo Biology ChIPseq DNAmethylseq [6] Exomeseq
sankeyNetwork(Links = network, Nodes = attribute,
Source = "Src", Target = "Target",
Value = "Value", NodeID = "name",
fontSize= 12, nodeWidth = 30)
点线分组桑基图
网络数据比上一步的桑基图多一列，指示线的属性；再提供一个节点分组信息文件，获得层次更鲜明的桑基图。
只需要修改对应的数据，后面格式转换的代码通用。
network <- "Src;Target;Value;Link_Grp
Bioinfo;Biology;20;Main
Bioinfo;Math;20;Main
Bioinfo;Program;20;Main
Bioinfo;NGS;20;Main
Program;Linux;8;Sub
Program;Python;8;Sub
Program;R;6;Sub
NGS;RNAseq;1;Sub
NGS;ChIPseq;1;Sub
NGS;16Sseq;1;Sub
NGS;Metagenome;1;Sub
NGS;SingeCellSeq;1;Sub
NGS;DNAmethylseq;1;Sub
NGS;lncRNA;1;Sub
NGS;Exomeseq;1;Sub
NGS;TCGA;1;Sub
"
network <- read.table(text=network, sep=";", header=T, row.names=NULL, quote="", comment="")
network <- network[,1:4]
colnames(network) <- c("Src", "Target", "Value", "Link_Grp")
factor_list <- sort(unique(c(levels(network$Src), levels(network$Target))))
num_list <- 0:(length(factor_list)-1)
levels(network$Src) <- num_list[factor_list %in% levels(network$Src)]
levels(network$Target) <- num_list[factor_list %in% levels(network$Target)]
network$Src <- as.numeric(as.character(network$Src))
network$Target <- as.numeric(as.character(network$Target))
# 只需要前两列
attribute <- "name;group;size
Bioinfo;Class;4
Biology;Class;4
Math;Class;4
Program;Class;4
NGS;Class;4
Linux;On;2
Python;Off;2
R;Off;2
RNAseq;Off;1
ChIPseq;On;1
16Sseq;On;1
Metagenome;On;1
SingeCellSeq;InPrepare;1
DNAmethylseq;InPrepare;1
lncRNA;InPrepare;1
Exomeseq;InPrepare;1
TCGA;InPrepare;1"
attribute <- read.table(text=attribute, sep=";", header=T, row.names=NULL, quote="", comment="")
attribute <- attribute[,1:2]
colnames(attribute) <- c("name", "group")
attribute <- attribute[match(factor_list, attribute$name),]
sankeyNetwork(Links = network, Nodes = attribute,
Source = "Src", Target = "Target",
Value = "Value", NodeID = "name",
NodeGroup = "group", LinkGroup = "Link_Grp",
fontSize= 14, nodeWidth = 30)
桑基图还有类似的称为冲击图 (alluvial diagram)的展示，具体可见ggalluvial：冲击图展示组间变化、时间序列和复杂多属性alluvial diagram。
说到交互式可视化，还有之前推出的：
关于R绘图, 更多文章如下：
- 在R中赞扬下努力工作的你，奖励一份CheatShet
- 别人的电子书，你的电子书，都在bookdown
- R语言 - 入门环境Rstudio
- R语言 - 热图绘制 (heatmap)
- R语言 - 基础概念和矩阵操作
- R语言 - 热图简化
- R语言 - 热图美化
- R语言 - 线图绘制
- R语言 - 线图一步法
- R语言 - 箱线图（小提琴图、抖动图、区域散点图）
- R语言 - 箱线图一步法
- R语言 - 火山图
- R语言 - 富集分析泡泡图 （文末有彩蛋）
- R语言 - 散点图绘制
- 一文看懂PCA主成分分析
- 富集分析DotPlot，可以服
- R语言 - 韦恩图
- R语言 - 柱状图
- R语言 - 图形设置中英字体
- R语言 - 非参数法生存分析
- 基因共表达聚类分析和可视化
- R中1010个热图绘制方法
- 还在用PCA降维？快学学大牛最爱的t-SNE算法吧, 附Python/R代码
- 一个函数抓取代谢组学权威数据库HMDB的所有表格数据
- 文章用图的修改和排版
点击阅读原文，了解更多培训信息。
