Motif图

作者

[编辑] 郑虎.

修改于

2026-01-17

对于motif logo图的可视化，ggseqlogo是一个基于ggplot2的R包，专门用于绘制序列motif的logo图。相比于其他motif可视化工具，ggseqlogo具有语法简洁、输出格式灵活、与ggplot2生态系统完全兼容等优点。该包支持多种序列格式输入，包括位置频率矩阵(PFM)、位置权重矩阵(PWM)和序列向量，并提供了丰富的自定义选项来调整logo图的外观。

示例

Motif logo图是用于展示DNA、RNA或蛋白质序列中保守模式的图形，通过每个位置的字符大小来显示该位置的信息含量。

环境配置

系统要求：跨平台（Linux/MacOS/Windows）
编程语言：R
依赖包：ggplot2, ggseqlogo, cowplot, gridExtra

# 安装包
if (!requireNamespace("ggplot2", quietly = TRUE)) {
  install.packages("ggplot2")
}
if (!requireNamespace("ggseqlogo", quietly = TRUE)) {
  install.packages("ggseqlogo")
}
if (!requireNamespace("cowplot", quietly = TRUE)) {
  install.packages("cowplot")
}
if (!requireNamespace("gridExtra", quietly = TRUE)) {
  install.packages("gridExtra")
}

# 加载包
library(ggplot2)
library(ggseqlogo)
library(cowplot)
library(gridExtra)

sessioninfo::session_info("attached")

─ Session info ───────────────────────────────────────────────────────────────
 setting  value
 version  R version 4.5.2 (2025-10-31)
 os       Ubuntu 24.04.3 LTS
 system   x86_64, linux-gnu
 ui       X11
 language (EN)
 collate  C.UTF-8
 ctype    C.UTF-8
 tz       UTC
 date     2026-01-17
 pandoc   3.1.3 @ /usr/bin/ (via rmarkdown)
 quarto   1.8.27 @ /usr/local/bin/quarto

─ Packages ───────────────────────────────────────────────────────────────────
 package   * version date (UTC) lib source
 cowplot   * 1.2.0   2025-07-07 [1] RSPM
 ggplot2   * 4.0.1   2025-11-14 [1] RSPM
 ggseqlogo * 0.2.2   2025-12-22 [1] RSPM
 gridExtra * 2.3     2017-09-09 [1] RSPM

 [1] /home/runner/work/_temp/Library
 [2] /opt/R/4.5.2/lib/R/site-library
 [3] /opt/R/4.5.2/lib/R/library
 * ── Packages attached to the search path.

──────────────────────────────────────────────────────────────────────────────

数据准备

使用内置数据集 ggseqlogo_sample，该数据集包含三个变量、两种不同的输入形式： - seqs_dna：从JASPAR的FASTA文件中获得的12个转录因子的结合位点。格式为字符串向量组成的list，list的名称表示JASPAR ID。 - seqs_aa：从Wagih等人获得的激酶底物磷酸化位点组。格式与seqs_dna相同。 - pfms_dna：从JASPAR获得的四个转录因子的位置频率matrix组成的list，list的名称表示JASPAR ID。

data(ggseqlogo_sample)

head(pfms_dna,n = 1)

$MA0018.2
  [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
A    0    0   11    0    1    0    2    8
C    1    1    0    9    0    3    7    0
G    1   10    0    2   10    0    1    1
T    9    0    0    0    0    8    1    2

head(seqs_aa, n = 1)[[1]][1:3]

[1] "VVGARRSSWRVVSSI" "GPRSRSRSRDRRRKE" "LLCLRRSSLKAYGNG"

可视化

1. 基础Motif图

ggseqlogo 包可以使用 geom_logo 函数并基于 ggplot2 语法进行绘制，也可以使用封装后的函数 ggseqlogo 函数进行绘制，二者共享相同的参数。

# 使用序列向量
ggseqlogo(seqs_dna$MA0001.1)
# 使用PFM矩阵
ggseqlogo(pfms_dna$MA0018.2)
#使用ggplot语法绘图
ggplot() + geom_logo( seqs_dna$MA0001.1 ) + theme_logo()

上图为MA0001.1的motif结果展示

提示

关键参数:

data：输入数据：序列向量、矩阵或列表
method = “bits”：计算方法：“bits”或”probability”
seq_type = “auto”：序列类型：“auto”、“dna”、“rna”、“aa”
namespace = NULL：自定义字符命名空间
font = “roboto_medium”：字体类型
stack_width = 0.95：字符堆叠宽度
rev_stack_order = FALSE：是否反转堆叠顺序
col_scheme = “auto”：颜色方案
low_col = ‘black’：低bits/probability颜色
high_col = ‘yellow’：高bits/probability颜色
na_col = ‘grey20’：NA值颜色
plot = TRUE：是否立即绘图

2. 多motif绘图

你可以使用facet_wrap或facet_grid来组合多个logo图：

# 绘制多个motif
ggseqlogo(seqs_dna, ncol=4)

# 等价于
p <- ggplot() + geom_logo(seqs_dna) + theme_logo() + 
  facet_wrap(~seq_group, ncol=4, scales='free_x')

3. Motif图美化

3.1 调整颜色方案

ggseqlogo 提供了多种预设和自定义颜色方案：

# DNA序列的预设颜色方案
ggseqlogo(seqs_dna$MA0001.1, col_scheme='nucleotide')

# 氨基酸序列的颜色方案
ggseqlogo(seqs_aa$AKT1, col_scheme='chemistry')

# 自定义离散颜色方案
cs1 <- make_col_scheme(chars=c('A', 'T', 'C', 'G'), 
                      groups=c('gr1', 'gr1', 'gr2', 'gr2'), 
                      cols=c('purple', 'purple', 'blue', 'blue'))
ggseqlogo(seqs_dna$MA0001.1, col_scheme=cs1)

# 自定义连续颜色方案
cs2 <- make_col_scheme(chars=c('A', 'T', 'C', 'G'), values=1:4)
ggseqlogo(seqs_dna$MA0001.1, col_scheme=cs2)

3.2 调整字体和堆叠

# 查看所有可用字体
list_fonts(F)

 [1] "helvetica_regular"   "helvetica_bold"      "helvetica_light"    
 [4] "roboto_medium"       "roboto_bold"         "roboto_regular"     
 [7] "akrobat_bold"        "akrobat_regular"     "roboto_slab_bold"   
[10] "roboto_slab_regular" "roboto_slab_light"   "xkcd_regular"

# 使用特定字体
ggseqlogo(seqs_dna$MA0001.1, font='helvetica_bold', stack_width=0.8)

3.3 调整坐标轴和主题

ggseqlogo(seqs_dna$MA0001.1) + 
  theme_classic() +
  theme(axis.text.x = element_text(angle=45, hjust=1)) +
  labs(x='Position', y='Bits', title='Transcription Factor Binding Motif')

4. 高级功能

绘图方法选择：

ggseqlogo 支持两种序列 logo 计算方法：

p1 <- ggseqlogo(seqs_dna$MA0001.1, method='bits')  # 信息量
p2 <- ggseqlogo(seqs_dna$MA0001.1, method='prob')  # 概率
gridExtra::grid.arrange(p1, p2, ncol=2)

自定义序列类型和命名空间：

# 数值序列
seqs_numeric <- chartr('ATGC', '1234', seqs_dna$MA0001.1)
ggseqlogo(seqs_numeric, method='prob', namespace=1:4)

# 希腊字母序列
seqs_greek <- chartr('ATGC', 'δεψλ', seqs_dna$MA0001.1)
ggseqlogo(seqs_greek, namespace='δεψλ', method='bits')

自定义高度logo：

# 创建自定义高度矩阵
custom_mat <- matrix(rnorm(20), nrow=4, 
                    dimnames=list(c('A', 'T', 'G', 'C')))
ggseqlogo(custom_mat, method='custom', seq_type='dna') + 
  ylab('my custom height')

序列标识：

ggplot() + 
  annotate('rect', xmin=0.5, xmax=3.5, ymin=-0.05, ymax=1.9, 
           alpha=0.1, col='black', fill='yellow') +
  geom_logo(seqs_dna$MA0001.1, stack_width=0.90) + 
  annotate('segment', x=4, xend=8, y=1.2, yend=1.2, size=2) +  #需要注意的是在ggplot2 3.4.0版本开始，调整线条粗细的size参数已经改变为了linewidth参数，建议使用新版本ggplot2的用户将size改为linewidth。
  annotate('text', x=6, y=1.3, label='Text annotation') + 
  theme_logo()

组合多种图形：

# 生成序列logo
p1 <- ggseqlogo(seqs_dna$MA0008.1) + 
  theme(axis.text.x=element_blank())

# 创建序列比对数据
aln <- data.frame(
  letter=strsplit('AGATAAGATGATAAAAAGATAAGA', '')[[1]], 
  species=rep(c('a', 'b', 'c'), each=8),
  x=rep(1:8, 3)
)
aln$mut <- 'no'
aln$mut[c(2,15,20,23)] <- 'yes'

# 生成序列比对图
p2 <- ggplot(aln, aes(x, species)) +
  geom_text(aes(label=letter, color=mut, size=mut)) + 
  scale_x_continuous(breaks=1:10, expand=c(0.105, 0)) + 
  xlab('') + 
  scale_color_manual(values=c('black', 'red')) + 
  scale_size_manual(values=c(5, 6)) + 
  theme_logo() + 
  theme(legend.position='none', axis.text.x=element_blank())

# 创建保守性柱状图
bp_data <- data.frame(x=1:8, conservation=sample(1:100, 8))
p3 <- ggplot(bp_data, aes(x, conservation)) +
  geom_bar(stat='identity', fill='grey') + 
  theme_logo() + 
  scale_x_continuous(breaks=1:10, expand=c(0.105, 0)) + 
  xlab('')

# 组合图形
cowplot::plot_grid(p1, p2, p3, ncol=1, align='v')

与其他工具集成：

ggseqlogo 可以与其他生物信息学包配合使用，如 ggmotif 包可以直接从 MEME 结果文件中提取 motif 并使用 ggseqlogo 进行可视化，universalmotif 包也提供了与 ggseqlogo 的集成功能。

应用场景

Motif图在基因组学和分子生物学研究中应用广泛：

转录因子结合位点分析：展示DNA序列中转录因子的保守结合模式。
蛋白质结构域分析：显示蛋白质序列中功能结构域的保守氨基酸。
多序列比对可视化：展示多序列比对中的保守区域。
ChIP-seq分析：可视化ChIP-seq实验鉴定出的富集motif。
基因组特征分析：展示基因组特定区域的序列特征。

参考文献

[1] Wagih O. ggseqlogo: a versatile R package for drawing sequence logos. Bioinformatics. 2017;33(22):3645-3647. doi:10.1093/bioinformatics/btx469