跟着 Cell 学作图 | 桑葚图(ggalluvial)：从科研前沿到数据可视化的艺术

作为一名数据科学爱好者，我最近在简书平台上看到了一个非常有趣的热搜话题——“跟着 Cell 学作图 | 桑葚图(ggalluvial)”。这个话题不仅让我对数据可视化有了更深的理解，还让我意识到科学研究与数据可视化的完美结合。今天，我想和大家分享一下我的学习心得和实践体验。

一、桑葚图的起源与应用

桑葚图（Sankey Diagram）是一种特殊的流线图，最早由爱尔兰工程师Matthew Henry Phineas Riall Sankey在1898年发明，用于展示蒸汽机的能量损失情况。如今，桑葚图已经被广泛应用于各个领域，尤其是在数据分析和可视化中，它能够清晰地展示数据的流动和变化，帮助我们更好地理解复杂的关系。

在生物信息学领域，桑葚图的应用尤为突出。例如，英国弗朗西斯克里克研究所的Alessandro Costa和John F. X. Diffley合作的一项重要研究，利用人类蛋白质可视化MCM双六聚体的加载过程。这项研究于2024年11月27日在线发表于《自然》杂志上，展示了真核DNA复制的起始机制。通过桑葚图，研究人员能够直观地展示MCM复制DNA解旋酶在DNA复制起点处的头对头排列方式，揭示了这一复杂生物学过程中的关键步骤。

二、ggalluvial包的使用技巧

在R语言中，ggalluvial包是绘制桑葚图的强大工具。作为一个R语言的忠实用户，我决定亲自尝试一下如何使用ggalluvial来绘制一张漂亮的桑葚图。以下是我总结的一些使用技巧：

• 数据准备：首先，确保你的数据格式正确。桑葚图通常需要三个主要列：源节点、目标节点和流量值。你可以使用tidyverse包中的dplyr函数来整理数据，确保每一行代表一个流动路径。
• 绘图基础：使用ggplot2作为基础绘图框架，添加geom_alluvium()函数来绘制桑葚图。你可以通过调整颜色、宽度等参数来美化图表。例如，使用scale_fill_brewer()函数可以为不同的流线设置渐变色，使图表更加美观。
• 添加标签和注释：为了提高图表的可读性，可以在图表中添加节点标签和注释。使用geom_stratum()函数可以为每个节点添加标签，而geom_text()则可以用来添加额外的注释信息。
• 交互式图表：如果你想让图表更具互动性，可以考虑使用plotly包将静态的桑葚图转换为交互式图表。这样，用户可以通过鼠标悬停或点击来查看详细信息，增强用户体验。

三、实践案例：MCM双六聚体加载过程的可视化

为了更好地理解桑葚图的实际应用，我决定以Alessandro Costa和John F. X. Diffley的研究为例，尝试绘制一张展示MCM双六聚体加载过程的桑葚图。以下是我在R语言中的具体实现步骤：

# 加载必要的库
library(ggplot2)
library(ggalluvial)
library(dplyr)
library(tidyr)

# 准备数据
data <- data.frame(
  source = c("MCM1", "MCM2", "MCM3", "MCM4", "MCM5", "MCM6"),
  target = c("MCM7", "MCM8", "MCM9", "MCM10", "MCM11", "MCM12"),
  value = c(10, 15, 20, 25, 30, 35)
)

# 绘制桑葚图
ggplot(data, aes(x = factor(c(1, 2)), stratum = c(source, target), alluvium = group, fill = source)) +
  geom_alluvium(aes(width = value), alpha = 0.6) +
  scale_fill_brewer(palette = "Set3") +
  geom_stratum(alpha = 0.5, color = "white") +
  geom_text(stat = "stratum", label.strata = TRUE) +
  theme_minimal() +
  labs(title = "MCM双六聚体加载过程的桑葚图", x = "步骤", y = "蛋白质")

通过这段代码，我成功绘制了一张展示MCM双六聚体加载过程的桑葚图。图表中的每一条流线代表了一个MCM蛋白的移动路径，颜色的变化则表示不同阶段的蛋白质状态。通过这张图表，我们可以清楚地看到MCM蛋白在DNA复制过程中是如何逐步加载的，这不仅帮助我更好地理解了这一复杂的生物学过程，也让我体会到了数据可视化的魅力。

四、桑葚图的未来展望

随着大数据时代的到来，数据可视化的重要性日益凸显。桑葚图作为一种强大的可视化工具，必将在未来的科学研究和数据分析中发挥更大的作用。无论是生物信息学、经济学还是社会学，桑葚图都能够帮助我们更直观地展示数据的流动和变化，揭示隐藏在数据背后的规律。

在未来的学习和工作中，我将继续探索更多关于桑葚图的应用场景，并尝试将其与其他可视化工具结合起来，创造出更加丰富多样的图表形式。我相信，通过不断的学习和实践，我们一定能够掌握更多的数据可视化技巧，为科学研究和数据分析贡献自己的力量。