DOI: https://doi.org/10.1002/imt2.177
PMID: https://pubmed.ncbi.nlm.nih.gov/38868514
تاريخ النشر: 2024-02-01
المؤلف: Chunhui Gao وآخرون
الموضوع الرئيسي: هيكل البروتين والديناميات
نظرة عامة
في هذا القسم، يقدم المؤلفون نظرة عامة على حزمة ggVennDiagram، وهي تحسين لأدوات رسم مخططات فين الموجودة في لغة البرمجة R. يبرزون شعبية الحزمة، التي تتجلى في أكثر من 100 اقتباس في الأدبيات، ويستعرضون التحسينات التي تم تقديمها في الإصدار 1.5. من الجدير بالذكر أن المؤلفين يتناولون التحديات السابقة المرتبطة بشجرة الاعتماد الواسعة للحزمة، والتي تضمنت أكثر من 90 حزمة، حيث كانت حزمة sf تمثل عبئًا خاصًا بسبب حجمها ومتطلبات النظام.
لتسهيل عملية التثبيت، قام المؤلفون بنقل وظائف توليد الأشكال إلى حزمة جديدة، shape-MageR، وإزالة العديد من الاعتماديات الأخرى مثل RVenn و purrr و magrittr و plotly. لقد أدى هذا الهيكل الاستراتيجي إلى تقليل الحجم الكلي لملف ggVennDiagram واعتمادياته من 210 ميجابايت في الإصدار 1.1.0 إلى 36 ميجابايت فقط في الإصدار 1.5، مما يعزز الوصول للمستخدمين ويقلل من فشل التثبيت.
نقاش
في هذا القسم، يناقش المؤلفون دمج مخططات Upset مع مخططات فين من خلال حزمة ggVennDiagram، مما يعزز قدرات التصور لتحليل بيانات المجموعات. تستلهم التنفيذ من حزمة aplot، التي تسهل محاذاة المحاور تلقائيًا بين المخططات الفرعية. يبرز المؤلفون القدرة على توليد تصورات مجمعة، كما هو موضح في الشكل 1، ويلاحظون أن الأشكال للمخططات التي تتضمن من خمسة إلى سبعة مجموعات مأخوذة من حزمة “venn” الأصلية التي أنشأها أدريان دوشا.
بالإضافة إلى ذلك، يصف المؤلفون تطوير آلة حاسبة كاملة الوظائف لمخططات فين باستخدام فئة S4 Venn، التي تنظم بيانات المجموعات الهيكلية وتوفر طرقًا لحساب التداخلات والأعضاء الفريدة بين المجموعات. تدعم هذه الوظيفة تحليلًا أعمق لعلاقات المجموعات. علاوة على ذلك، يقدمون تطبيق Shiny تم نشره على shinyapps.io، والذي يوفر منصة تفاعلية للمستخدمين لإنشاء مخططات فين مع معلمات قابلة للتخصيص. يعزز دمج هذا التطبيق في برنامج TBtools للمعلوماتية الحيوية الوصول للمستخدمين ذوي المهارات البرمجية المحدودة، مما يمكنهم من إنتاج تصورات عالية الجودة بكفاءة.
DOI: https://doi.org/10.1002/imt2.177
PMID: https://pubmed.ncbi.nlm.nih.gov/38868514
Publication Date: 2024-02-01
Author(s): Chunhui Gao et al.
Primary Topic: Protein Structure and Dynamics
Overview
In this section, the authors present an overview of the ggVennDiagram package, an enhancement of existing Venn diagram plotting tools in the R programming language. They highlight the package’s popularity, evidenced by over 100 citations in the literature, and detail the improvements introduced in version 1.5. Notably, the authors address the previous challenges associated with the package’s extensive dependency tree, which included over 90 packages, with the sf package being particularly burdensome due to its size and system requirements.
To facilitate easier installation, the authors have relocated the shape generation functions to a new package, shape-MageR, and removed several other dependencies such as RVenn, purrr, magrittr, and plotly. This strategic restructuring has significantly reduced the total file size of ggVennDiagram and its dependencies from 210 MB in version 1.1.0 to just 36 MB in version 1.5, thereby enhancing accessibility for users and minimizing installation failures.
Discussion
In this section, the authors discuss the integration of Upset plots with Venn diagrams through the ggVennDiagram package, enhancing the visualization capabilities for set data analysis. The implementation draws inspiration from the aplot package, which facilitates automatic axis alignment between subplots. The authors highlight the ability to generate combined visualizations, as illustrated in Figure 1, and note that the shapes for diagrams involving five to seven sets are sourced from the original “venn” package by Adrian Dușa.
Additionally, the authors describe the development of a full-function Venn calculator using the S4 Venn class, which organizes structured set data and provides methods for calculating overlaps and unique members among sets. This functionality supports deeper analysis of set relationships. Furthermore, they introduce a Shiny app deployed on shinyapps.io, which offers an interactive platform for users to create Venn diagrams with customizable parameters. The integration of this app into the TBtools bioinformatics software enhances accessibility for users with limited coding skills, enabling them to produce high-quality visualizations efficiently.