將羣體的遺傳圖譜構建完成之後，我們得到的是一個excel文件，一堆數據，那麼在做工作彙報或者發表文章的時候，我們必須要將數據進行可視化，最傳統的方法當然是使用mapchart，我一直也是使用mapchart，其將遺傳圖譜可視化的效果圖如下：
作爲一個極度老牌的可視化軟件，mapchart的弊端現在已經很明顯了。在十幾年前，一個羣體的分子標記還很少，往往很普遍的情況是隻有幾百個SSR標記，而現在，隨着測序行業的發展，隨着SNP標記的普及，分子標記也越來越多，當分子標記多起來之後，mapchart的可視化結果就會很難看，很擁擠，很密集，甚至我用自己的2378個標記可視化時，出現了頁面篇幅容納不下這麼多標記的情況，在無法使用mapchart可視化遺傳圖譜的情況下，我尋找到了另一種可視化遺傳圖譜的方法，它既能展示出每個標記在遺傳圖譜上的位置，同時還能用熱圖的形式展示出標記在遺傳圖譜上的密度。
我使用的是一個叫“LinkageMapView”的R包，此包既能在windows下使用，也同時支持linux和Mac。需要的輸入文件格式如下：
文件分三列，第一行是header，三列分別爲Group、Position、Locus。group代表的是遺傳圖譜上的連鎖羣，position指的是遺傳圖譜上每個標記的遺傳距離，locus指的是標記的名字。
以我的數據爲例，我的輸入數據是玉米的遺傳圖譜，共有10個連鎖羣，代碼如下：
library(LinkageMapView)
a <- read.csv("C:\\Users\\Shenshen Wu\\Desktop\\linkage.csv")
maxpos <- floor(max(a$Position[a$Group == "LG01" | a$Group == "LG02" | a$Group == "LG03" | a$Group == "LG04" | a$Group == "LG05" | a$Group == "LG06" | a$Group == "LG07" | a$Group == "LG08" | a$Group == "LG09" | a$Group == "LG10"]))
at.axis <- seq(0, maxpos)
axlab <- vector()
for (lab in 0:maxpos) {
if (!lab %% 10) {
axlab <- c(axlab, lab)
}
else {
axlab <- c(axlab, NA)
}
}outfile = file.path("C:\\Users\\Shenshen Wu\\Desktop", "LinkageMap.pdf")
lmv.linkage.plot(a,outfile,mapthese=c("LG01","LG02","LG03","LG04","LG05","LG06","LG07","LG08","LG09","LG10"),denmap=TRUE, cex.axis = 1, at.axis = at.axis, labels.axis = axlab)
最後的可視化結果如下：
