神包ggseqlogo，让你的序列缤纷多彩

基因序列是大多数生物医学研究僧经常碰到的一种的数据。不同于长达几kb的序列，在一些情况下，我们需要在文中展现局部的，比如仅有10-20bp，序列突变情况，这就构成了一个seqlogo。

那seqlogo是啥？长啥样，请看下图：

在openi网站，输入关键词sequence logo，就可以发现有非常多的seqlogo，这些图都来自于已经发表的SCI论文（是不是又给大家透露了一个科研神器）。

简单来说，seqlogo展示的就是一小段序列的多样性。对于DNA序列来说，每个位点仅有AGTC四种可能，因此，图中每个位点的字母的大小代表的是该位点该碱基出现的概率。当然，对于氨基酸序列来说，由于存在20种不同的氨基酸，因此序列的多样性会更加丰富一些。但是，seqlogo的原理是一样的。

接下来，Leopard将为大家介绍如何绘制这种seqlogo，主要涉及两种类型。

目前可及的绘制seqlogo的工具不算很多，常见的有网页工具Weblogo，seqLogo包，gglogo包，以及最近发表的ggseqlogo包。综合比较下来，ggseqlogo包功能最强，绘制出的图形最好看。

使用ggseqlogo之前，请先下载并加载该包。

模式一

展示基因序列多样性

Ggseqlogo的使用非常简单，主函数为ggseqlogo()，该函数可以直接接受已经比对好的DNA或者氨基酸序列，但是有一点需要注意，比对好的序列中可以有gap，但是所有序列的长度必须相同，否则会报错。

下面Leopard为大家展示如何快速生成一副seqlogo。此处我用的是ggseqlogo包中的示例数据集，后面再给大家演示如何利用自己的数据进行绘制。

如你所见，seqs_dna中的MA0001.1对象其实是一个含有97个碱基序列的向量，而且，这97个碱基序列其实都是独立的字符串元素。因此，如果大家利用R随机生成一串字符数相同的字符串向量，也是可以用来绘制seqlogo的。

下面展示的是MA0001.1的seqlogo：

在上面的seqlogo中，横轴是每一个碱基的位点，纵轴默认情形下是Bits，可以替换成“probability”。关于bits和probability的区别，我在此不做赘述，大家可以去维基百科查询。总之，记住一点，不管是什么指标，都是用来衡量某个位点某个碱基出现的可能性的大小。显然，碱基的字符越高（宽度是相同的），其出现的可能性越大。

以上就是最简单的seqlogo。ggseqlogo还提供了色彩调配的函数，有兴趣的读者可以自己去尝试，我个人觉得这个包的默认配色已经很棒了。

下面我为大家展示如何利用我们自己的序列数据进行seqlogo的绘制。下图展示的是氨基酸序列。