【原】TCGA|根据somatic mutation绘制突变景观图（oncoplot）和基因词云

使用 XENA下载的TCGA-LAML.mutect2_snv.tsv文件绘制基因词云和突变景观图。

一

基因词云

       有小伙伴在https://mp.weixin.qq.com/s/DvX_pKPF9bCcNqc3u6rTuw这个帖子下面留言说使用 maftools 的 genecloud函数绘制基因云图时，报错提示没有这个函数，然后还提到 http:///packages/release/bioc/vignettes/maftools/inst/doc/maftools.html  官方文档中也没有genecloud，，也许是我的版本比较早所以还有吧，，，

虽然genecloud无法绘制，但是可以使用wordcloud2绘制，同样很简单

1.1 加载R包和数据

将XENA下载后的数据TCGA-LAML.mutect2_snv.tsv.gz解压，然后直接读入

#一键清空
rm(list = ls())
#载入R包
library(tidyverse)
#读入数据
mut <- read.table("TCGA-LAML.mutect2_snv.tsv",sep = "\t" , header = T,
                  stringsAsFactors = FALSE ,
                  check.names = FALSE)
head(mut,2)

1.2 计算基因频次，绘制词云

#计算每个基因出现的个数
mut2 <- mut %>% filter(effect %in% c("missense_variant","inframe_insertion")) %>%
 select(Sample_ID,gene) %>%
 group_by(gene) %>%
 summarise(Freq = n()) %>%
 arrange(desc(Freq))

head(mut2)

####绘制基因词云#####
library(wordcloud2)
#绘制频次大于等于5的
da <- subset(mut2,Freq >= 5) #、
wordcloud2(da)

1.3 maf文件绘制词云图

如果使用maftools中的maf文件绘制呢？首先根据maftools|TCGA肿瘤突变数据的汇总，分析和可视化得到了laml数据，那么可以用以下方式获得基因云图

library(wordcloud2)
data2 <- as.data.frame(table(laml@data$Hugo_Symbol))
da2 <- subset(data2,Freq >= 3) #3就是minMut参数的值
wordcloud2(da2)

二

瀑布图（oncoplot）

2.1 提取基因

提取 1.2中突变频次较高的基因，进行绘制

mut3 <- mut %>% filter(gene %in% da$gene) %>%
 select(Sample_ID,gene,effect) %>%
 #只选择"missense_variant","inframe_insertion"两种类型
 filter(effect %in% c("missense_variant","inframe_insertion")) %>%
 unique()

#转成绘制热图的数据形式（宽型数据）
library(reshape2)
mut3_dcast <- mut3 %>% dcast(Sample_ID ~ gene,value.var='effect') %>%
 dplyr::select(Sample_ID, da$gene) %>%
 column_to_rownames("Sample_ID") %>%
 t()

2.2 ComplexHeatmap绘制突变景观图

library(ComplexHeatmap)
library(circlize)

mat <- mut3_dcast
mat[is.na(mat)]<-""
mat[1:6,1:6]

oncoPrint(mat)

2.3 景观图调整

#指定颜色, 调整颜色代码即可
col <- c( "missense_variant" = "blue" , "inframe_insertion" = "green")
#指定变异的样子，x,y,w,h代表变异的位置(x,y)和宽度(w)，高度(h)
alter_fun <- list(
 background = function(x, y, w, h) {
   grid.rect(x, y, w-unit(0.5, "mm"), h-unit(0.5, "mm"),
             gp = gpar(fill = "#CCCCCC", col = NA))
},
 missense_variant = function(x, y, w, h) {
   grid.rect(x, y, w-unit(0.5, "mm"), h-unit(0.5, "mm"),
             gp = gpar(fill = col["missense_variant"], col = NA))
},
 inframe_insertion = function(x, y, w, h) {
   grid.rect(x, y, w-unit(0.5, "mm"), h*0.33,  
             gp = gpar(fill = col["inframe_insertion"], col = NA))
}
)

#指定变异类型的标签，和数据中的类型对应
heatmap_legend_param <- list(title = "Alternations",
                            at = c("missense_variant","inframe_insertion"),
                            labels = c( "missense_variant","inframe_insertion"))


#设定标题
column_title <- "This is Oncoplot "  
oncoPrint(mat,
         alter_fun = alter_fun, col = col,
         column_title = column_title,
         remove_empty_columns = TRUE, #去掉空列
         remove_empty_rows = TRUE, #去掉空行
         row_names_side = "left", #基因在左
         pct_side = "right",
         heatmap_legend_param = heatmap_legend_param)

更多参数参考ComplexHeatmap|根据excel表绘制突变景观图（oncoplot）。

【觉得不错，右下角点个“在看”，期待您的转发，谢谢！】