基因家族分析（5）：基因家族基因结构可视化

本文主要工作：
对SBT基因家族的基因结构进行可视化呈现

4.2 基因结构可视化

可视化基因结构，无非就是展示基因区域的组成：3’,5’-UTR，exon或展示CDS，intro n等等，有关它们的详细定义可以参考文章。在这里我们想要可视化展示3’,5’-UTR，exon和基因的关系。需要的原始文件是基因组注释gff3文件，我们想要的信息只有SBT家族基因长度，基因id，exon的长度，在基因上的起始和终止位置，它属于哪个基因等信息。因此，要对gff3文件进行一定的处理，处理思路如下：

最终我们想要的文件如下：

但是这仍然不是我们想要的适合进行画图的最佳输入文件格式，因此要对里面的坐标长度进行转换，虽然我浅浅的意识到仅靠awk就可以实现，但是由于已经用python写了脚本，就将错就错了：

import re

gene_dict = {"gene_start":""}
output = ""
output_type = ["exon", "five_prime_UTR", "three_prime_UTR"]

with open("./stat_input.txt", "r") as f:
    while True:
        line = f.readline()

        if not line:
            break

        else:
            line_list = re.split("/t|/n", line)
            
            if line_list[1] == "gene":
                gene_dict["gene_start"] = line_list[2]
            elif line_list[1] in output_type:
                region_start = str(int(line_list[2]) - int(gene_dict["gene_start"])) 
                region_end = str(int(line_list[3]) - int(gene_dict["gene_start"]))
                output += line_list[0] + "/t" + line_list[1] + "/t" + region_start + "/t" + region_end + "/n"

file_output = open("gene_structure_temp.txt", "w")
file_output.write(output)
file_output.close()

处理后的文件如下所示:

除此之外，我们还需要记录基因长度的文件作为绘图的输入文件，这个比较好解决，在之前的脚本中就已经直接生成了，现在我们按照绘制蛋白质模体的思路绘制相同的图:

library(data.table)
library(tidyverse)

# 载入文本
cds_length <- fread("./DATA/aco.sbt.gene.length.txt", header = F)
cds_length <- mutate(cds_length, V3=0)

gene_structure <- fread("./DATA/gene_structure_temp.txt", header = F)

# 画图
ggplot() +
  geom_segment(data = gene_structure, 
               aes(x = as.numeric(V3), 
                   y = V1,
                   xend = as.numeric(V4),
                   yend = V1,
                   color = V2),
               linewidth = 2.5, 
               position = position_nudge(y = 0.2)) +
  scale_color_brewer(palette = "Set2") +
  geom_segment(data = cds_length, 
               aes(x = as.numeric(V3),
                   y = V1,
                   xend = as.numeric(V2),
                   yend = V1),
               color = "grey",
               linewidth = 1) +
  scale_x_continuous(expand = c(0,0)) +
  labs(y = "Family",
       x = "Length",
       color = "Structure") +
  theme_classic()

由于存在一个含有较大内含子的基因存在，这显得整体比例很不协调，但是从整体上来讲，呈现以及绘图思路是没问题的

| 基因家族分析系列（持续更新）

0.基因家族分析（0）：概念明晰
1.基因家族分析（1）：数据下载与处理
2.基因家族分析（2）：基因家族鉴定与蛋白质性质简单分析
3.基因家族分析（3）：序列比对与进化树构建
4.基因家族分析（4）：基因家族蛋白质模体鉴定与可视化