SNP曼哈顿图绘制 - 指南

原文链接：使用R语言绘制SNP曼哈顿图

本期教程

文章来源

**文章：**Graph-based pan-genome reveals structural and sequence variations related to agronomic traits and domestication in cucumber

**网址：**https://pmc.ncbi.nlm.nih.gov/articles/PMC8813957/

绘图数据

1. 图展示了 基因组各染色体上成千上万个 SNP 位点的 FST 值分布
2. FST是衡量两个群体遗传分化程度，数值越高表示差异越大

绘图代码

argv<-commandArgs(TRUE)
library('stringr')
chr_num=as.numeric(argv[3]) ### total number of chromosomes
chr_pre=argv[4] ### fasta header of reference chromosome
threshold=as.numeric(argv[5]) ### 0.2153, genomewide 5% threshold FST
pdf(argv[2], 10, 3)
par(mar=c(2,4,1,1),oma=c(0,0,0,0),mgp=c(2.5,0.5,0),cex.axis=1.1,las=1,cex.lab=1.2,lend=1)
a <- read.table(argv[1],header=T)
###Chr len for Pos infor
len <- c(0)
a[,1] <- as.factor(a[,1])
for (i in 1:chr_num) { #### chromosomessnp <- subset(a,a$Chr==levels(a[,1])[i])len <- c(len,snp[,2][length(snp[,2])])
}
plot(1,1,type='n',xaxs='i',yaxs='i',cex=0.1,col='steelblue1',axes=F,main='',xlab='',ylab='FST',xlim=c(0,sum(len)),ylim=c(0,1))
par(new=T)
len_sum <- 0
len_sum_d <- c(0)
for (i in 1:chr_num){ #### chromosomesif (i %% 2 == 1){color <- '#ce68f1'} else {color <- '#3ace76'}ii <- str_pad(i, 2, side='left', '0')d <- subset(a,Chr == paste(chr_pre,ii,sep='')) #### chromosomeslen_sum = len_sum + len[i]len_sum_d <- c(len_sum_d,len_sum)pos <- (d$Pos)#plot(len_sum+pos,d$Pop1_starch_vs_Pop23_european_american,type='h',xaxs='i',yaxs='i',col='gray81',axes=F,main='',xlab='',ylab='',xlim=c(0,sum(len)),ylim=c(0,7000))  # snp number distribution#par(new=T)for (n in 1:length(d[,2])){plot(1,1,type='n',xaxs='i',yaxs='i',cex=0.1,col='blue',axes=F,main='',xlab='',ylab='',xlim=c(0,sum(len)),ylim=c(0,1)) # add layer outpoints(len_sum+d[n,2],d[n,3],type='h',xaxs='i',yaxs='i',cex=0.2,col=color,pch=20) # plot point
#    points(len_sum+d[n,2],d[n,7],type='p',xaxs='i',yaxs='i',cex=0.2,col='red',pch=20) # plot pointpar(new=T)}par(new=T)
}
len_sum_d <-c(len_sum_d,sum(len))
len_sum_d1<-len_sum_d[2:length(len_sum_d)]
#axis(4,tcl=-0.42,lwd=2,lwd.ticks=2,at=seq(0,1,0.2),labels=seq(0,7000,1400))
#mtext('Number of variations', side = 4, line = 3.2,cex=1.3,las=0)
axis(2,tcl=-0.42,lwd=1,lwd.ticks=1,at=seq(0,1,0.25),labels=seq(0,1,0.25))
axis(1,at=c(len_sum_d1[1],len_sum_d1[2],len_sum_d1[3],len_sum_d1[4],len_sum_d1[5],len_sum_d1[6],len_sum_d1[7],len_sum_d1[8],len_sum_d1[9],len_sum_d1[10],len_sum_d1[11],len_sum_d1[12],len_sum_d1[13]),labels=F,lwd=1,lwd.ticks=1,tcl=-0.42) #### chromosomes
axis(1,tick=F,at=c(0,len_sum_d1[2]/2,len_sum_d1[2]+(len_sum_d1[3]-len_sum_d1[2])/2,len_sum_d1[3]+(len_sum_d1[4]-len_sum_d1[3])/2,len_sum_d1[4]+(len_sum_d1[5]-len_sum_d1[4])/2,len_sum_d1[5]+(len_sum_d1[6]-len_sum_d1[5])/2,len_sum_d1[6]+(len_sum_d1[7]-len_sum_d1[6])/2,len_sum_d1[7]+(len_sum_d1[8]-len_sum_d1[7])/2,len_sum_d1[8]+(len_sum_d1[9]-len_sum_d1[8])/2,len_sum_d1[9]+(len_sum_d1[10]-len_sum_d1[9])/2,len_sum_d1[10]+(len_sum_d1[11]-len_sum_d1[10])/2,len_sum_d1[11]+(len_sum_d1[12]-len_sum_d1[11])/2,len_sum_d1[12]+(len_sum_d1[13]-len_sum_d1[12])/2),labels=c('Chr.', '1','2','3','4','5','6','7','8','9','10','11','12')) #### omosomes
#for (i in 2:chr_num){ #### chromosomes
#  segments(len_sum_d1[i],-1,len_sum_d1[i],1,lty=2,lwd=1.35,col=rgb(0,0,0,0.5))
#}
abline(h=threshold,lty=2,lwd=1.6,col='black')
#legend('topright',legend='95% confidence interval',col='red',bty='n',lty=1,lwd=2,cex=1)

运行：

Rscript ./plot_fst.R t 166_potato_starch_vs_others_Fst.pdf 12 chr 0.2135

参数解释

参数位置	示例值	可能含义（常见脚本格式）
1	t	输入数据文件前缀或模式（例如 t.Fst.stat）
2	166_potato_starch_vs_others_Fst.pdf	输出 PDF 文件名（最终图像文件）
3	12	染色体数量（如马铃薯 12 条染色体）
4	chr	染色体列名称前缀（例如 chr1, chr2…）
5	0.2135	FST 阈值（画虚线用的 cutoff 值）

若我们的教程对你有所帮助，请点赞+收藏+转发，大家的支持是我们更新的动力！！

---

2024已离你我而去，2025加油！！

2024年推文汇总 (点击后访问)

2023年推文汇总 (点击后访问)

2022年推文汇总 (点击后访问)

往期部分文章

1. 最全WGCNA教程（替换数据即可出全部结果与图形）

• WGCNA分析代码六

推荐大家购买最新的教程，若是已经购买以前WGNCA教程的同学，可以在对应教程留言，即可获得最新的教程。（注：此教程也仅基于自己理解，不仅局限于此，难免有不恰当地方，请结合自己需求，进行改动。）

---

2. 精美图形绘制教程

• 精美图形绘制教程
• 《R语言绘图专栏–50+图形绘制教程》

3. 转录组分析教程

• 转录组上游分析教程[零基础]

• 一个转录组上游分析流程 | Hisat2-Stringtie

• Samll RNA上游分析

4. 转录组下游分析

• 批量做差异分析及图形绘制 | 基于DESeq2差异分析

• GO和KEGG富集分析

• 单基因GSEA富集分析

• 全基因集GSEA富集分析

BioinfoR生信筆記 ，注于分享生物信息学相关知识和R语言绘图教程。