MATLAB | 如何使用MATLAB绘制序列logo图

Posted slandarer

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了MATLAB | 如何使用MATLAB绘制序列logo图相关的知识,希望对你有一定的参考价值。

这次开发了一个生物信息学比较常用的序列logo图绘制MATLAB代码包,绘制效果如下:

数据来自基迪奥生物项目编号为seqlogojrois9l2jit的示例数据。同时本工具函数参考以下文献:

  • Tareen A, Kinney J B. Logomaker: beautiful sequence logos in Python[J]. Bioinformatics, 2020, 36(7): 2272-2274.
  • Crooks G E, Hon G, Chandonia J M, et al. WebLogo: a sequence logo generator[J]. Genome research, 2004, 14(6): 1188-1190.

教程部分

1 数据格式

char矩阵

数据使用char类型矩阵,每一行代表一条序列:

Data =['GNYLGLTVETISRLL';
    'GNYLGLTVETISRLL';
    'GNYLGLTVETISRLL';
    'GNYLGLTIETISRLL']

名称与序列txt

当然我们可以从txt文件中读取数据,若数据是这样一行名称一行序列的格式:

>seq01
ACCCTGTAAGTTTT
>seq02
TCAGTGTAAGTATC
>seq03
CATTCGTAAGTACC
>seq04
CGCTGGTAAGGACT
>seq05
ACCGGGTGAGCGCG

则可通过如下代码读取:

Data=readcell('seqlogo_DNA.txt');
Data=Data(2:2:end,1);
Data=reshape([Data:],[],length(Data))';

序列txt

若txt文件中只有序列:

GNYLGLTVETISRLL
ASYLGLRLETVCRSV
SEMTGTTLHTVSRLL
AEMTGTTLHTVSRIL
AEMTGTTLHTVSRIL
AEMTGTTVETTIRVM
ASRVGLTVQTVSTIV
AARLGLTPETFSRVL
ADYLGTTPETVSRTL
ADMLGSKRETVSRQL
ANYIGTSPETISRKI
ATFIGTTPETISRKF
SAFIGTTPETISRKL
ADVLGLSVVHMNRVI
ADALGLTPIHINRML
AEAIGSTRVTVTRLL
GNYLGLTVETISRLL
GNYLGLTVETISRLL
GNYLGLTIETISRLL
GNYLGLTIETISRLL
GNYLGLTVETISRLL
GNYLGLTVETISRLL

则可通过如下代码读取:

Data=readcell('seqlogo_protein_3.txt');
Data=reshape([Data:],[],length(Data))';

2 单位显示

有Bits和Probability供用户选择,默认bits。logo图纵坐标的单位常见有两种,一种是百分比,另一种是Bits。对于Probability,很好理解,每个字母的出现频率;对于Bits,可参考下面的公式:

R s e q = S max  − S o b s = log ⁡ 2 N − ( − ∑ n = 1 N p n log ⁡ 2 p n ) R_s e q=S_\\text max -S_o b s=\\log _2 N-\\left(-\\sum_n=1^N p_n \\log _2 p_n\\right) Rseq=Smax Sobs=log2N(n=1Npnlog2pn)

p n p_n pn是相应位置n上相应字符出现频率,N是不同字符的总数量(核酸为4,蛋白质为20)。因此,对于图中的y轴的最大数值就不难理解,核酸序列的最大值为 log ⁡ 2 4 = 2 \\log_2 4 = 2 log24=2bits,蛋白序列为 log ⁡ 2 20 ≈ 4.32 \\log_2 20≈4.32 log2204.32 bits。

可以通过设置函数的Method属性来调整显示单位,可选值为'Bits'/'Prob',其中Bits为默认值。

3 核酸序列绘制示例

Type属性设置为NA即可绘制核酸序列logo图,当然参数的默认值就是NA所以不设置也可以,以下给出绘制核酸序列显示单位分别为Bits和Probability的绘制代码和绘图结果:

Data=readcell('seqlogo_DNA.txt');
Data=Data(2:2:end,1);
Data=reshape([Data:],[],length(Data))';

figure()
seqLogo(Data)

figure()
seqLogo(Data,'Method','Prob')   

4 蛋白序列绘制示例

Type属性设置为PR即可绘制蛋白序列logo图:

Data=readcell('seqlogo_protein_2.txt'); 
Data=Data(2:2:end,1);
Data=reshape([Data:],[],length(Data))';

figure()
seqLogo(Data,'Type','PR')

figure()
seqLogo(Data,'Type','PR','Method','Prob') 

5 核酸序列配色

对于每个字母都可以单独设置颜色,自由度比较高,举个例子,将颜色设置为:
‘C’,[205,255,101]./255,
‘A’,[104,101,255]./255,
‘TU’,[164,230,101]./255,
‘G’,[104,203,254]./255:

Data=readcell('seqlogo_DNA.txt');
Data=Data(2:2:end,1);
Data=reshape([Data:],[],length(Data))';

Color='C',[205,255,101]./255,'A',[104,101,255]./255,'TU',[164,230,101]./255,'G',[104,203,254]./255;
% Color='C',[127,91,93]./255,'A',[187,128,110]./255,'TU',[197,173,143]./255,'G',[59,71,111]./255;

figure()
seqLogo(Data,'Color',Color)

figure()
seqLogo(Data,'Method','Prob','Color',Color)    

设置为:
‘C’,[127,91,93]./255,
‘A’,[187,128,110]./255,
‘TU’,[197,173,143]./255,
‘G’,[59,71,111]./255

5 蛋白序列配色

对于每个字母都可以单独设置颜色,自由度比较高,下面可以设置任意多组颜色,随意划分分组:

Data=readcell('seqlogo_protein_3.txt');
Data=reshape([Data:],[],length(Data))';

Color='CDEFH',[205,255,101]./255,'AIKLM',[104,101,255]./255,'TUNPQR',[164,230,101]./255,'GSVWY',[104,203,254]./255;
% Color='CDEFH',[127,91,93]./255,'AIKLM',[187,128,110]./255,'TUNPQR',[197,173,143]./255,'GSVWY',[59,71,111]./255;

figure()
seqLogo(Data,'Type','PR','Color',Color)

figure()
seqLogo(Data,'Type','PR','Method','Prob','Color',Color) 

.

6 子图

当然subplot函数啥的也可以用:

Data=readcell('seqlogo_DNA.txt');
Data=Data(2:2:end,1);
Data=reshape([Data:],[],length(Data))';

figure()
subplot(2,1,1)
seqLogo(Data)

subplot(2,1,2)
seqLogo(Data,'Method','Prob')  


工具函数完整代码

仅代码无法运行,需要文件夹内有logoData.mat文件,此处仅做展示,完整代码+mat文件+示例数据可以从文末提供的MATHWORKS的fileexchange链接地址下载,或者从文末网盘链接下载。

function seqLogo(varargin)
% @author : slandarer
% gzh  : slandarer随笔
% Zhaoxu Liu / slandarer (2023). sequence logos (序列logo图) 
% (https://www.mathworks.com/matlabcentral/fileexchange/123060-sequence-logos-logo), 
% MATLAB Central File Exchange. 检索来源 2023/1/10.
% =========================================================================
% Color  | 配色              | 'A',[]./255,'C',[]./255,... ...
% Method | 比例计算方法       | Bits/Prob
% Type   | 种类(核酸/蛋白质)  | NA/PR
coe.arginList='Color','Method','Type';
% 数据预定义
logoData=load('logoData.mat');
coe.Color='CDEFH',[37,92,153]./255,'AIKLM',[16,150,72]./255,'TUNPQR',[214,40,57]./255,'GSVWY',[247,179,43]./255;
coe.Method='Bits';
coe.Type='NA';
% 坐标区域获取
if isa(varargin1,'matlab.graphics.axis.Axes')
    coe.ax=varargin1;varargin(1)=[];
else
    coe.ax=gca;
end
% 获取其他数据
coe.Data=varargin1;varargin(1)=[];
for i=1:2:(length(varargin)-1)
    tid=ismember(coe.arginList,varargini);
    if any(tid)
        coe.(coe.arginListtid)=varargini+1;
    end
end
% 获取版本信息
tver=version('-release');
verMatlab=str2double(tver(1:4))+(abs(tver(5))-abs('a'))/2;
if verMatlab<2017
    hold on
else
    hold(coe.ax,'on')
end
% 颜色计算
coe.CData=zeros(length(logoData.logoName),3);
for i=1:2:length(coe.Color)
    tLogo=coe.Colori;
    for j=1:length(tLogo)
        tPos=find(logoData.logoName==tLogo(j));
        coe.CData(tPos,:)=coe.Colori+1;
    end
end
% 统计基因出现次数
coe.Count=zeros(length(logoData.logoName),size(coe.Data,2));
for i=1:length(logoData.logoName)
    coe.Count(i,:)=sum(coe.Data==logoData.logoName(i),1);
end
% 开始绘图
if strcmpi(coe.Method,'Prob')
    coe.ax.YLim=[0,1];
    coe.ax.DataAspectRatio=如何使用matlab画三维坐标系

Matlab利用序列离散点绘制渐变颜色空间曲线

如何用matlab 绘制出如图三角调幅信号的频谱图(转化为数字序列,用FFT求)

MATLAB如何产生随机信号?

Matlab如何在matlab利用plotconfusion中绘制混淆矩阵

matlab如何画直方图