其中主要实现可视化的工具R包是RIdeogram包，文章发布在Hao Z, Lv D, Ge Y, Shi J, Weijers D, Yu G, Chen J. 2020. RIdeogram: drawing SVG graphics to visualize and map genome-wide data on the idiograms. PeerJ Comput. Sci. 6:e251，详细使用说明点这里

但是在使用这个工具之前，需要做一些前期准备工作，在这篇文章里使用了人类的数据作为测试数据。里面需要用到基因组数据（计算染色体长度），基因组注释（计算基因密度）

进行数据的准备工作

首先利用fasta数据计算染色体长度，在这步我使用了一个简单的python脚本：

from Bio import SeqIO

fasta_file = "your_fasta_file.fasta"

chromosome_lengths = {}
for record in SeqIO.parse(fasta_file, "fasta"):
    chromosome_lengths[record.id] = len(record.seq)

for chromosome, length in chromosome_lengths.items():
    print(f"Chromosome {chromosome} length: {length}")

计算后可以得到每条染色体的长度，然后写一个格式如下的文件species_karyotype，第一列是染色体编号，第二列是染色体起点，第三列是终点，第四列和第五列是着丝粒的起始点（没有着丝粒信息就给后两列删除就行，不影响）

#>   Chr Start       End  CE_start    CE_end
#> 1   1     0 248956422 122026459 124932724
#> 2   2     0 242193529  92188145  94090557
#> 3   3     0 198295559  90772458  93655574
#> 4   4     0 190214555  49712061  51743951
#> 5   5     0 181538259  46485900  50059807
#> 6   6     0 170805979  58553888  59829934

R包的加载

之后正常装这个R包就行（这个是本地，服务器上拉了R的镜像，但是一直有个相关的依赖包安装不上，问题暂时没解决，解决了再附上）

install.packages("BiocManager")
BiocManager::install('TickingClock1992/RIdeogram')        这步就会报错，需要装remotes包
Error: package 'remotes' not installed in library path(s)
   F:/R/R-4.2.1/library
install with 'BiocManager::install("remotes")'
BiocManager::install("remotes")        这步是否更新时选择no
library(remotes)        看这个包装成功没
BiocManager::install('RIdeogram')        装这个R包即可，这步是否更新时同样选择no
library(RIdeogram)        查看成功没

加载一下这个包里的测试数据看是否成功安装

data(human_karyotype, package="RIdeogram")        
data(gene_density, package="RIdeogram")        
data(Random_RNAs_500, package="RIdeogram")        

接下来计算基因密度：

gene_density <- GFFex(input = "gencode.v32.annotation.gff3.gz", karyotype = "human_karyotype.txt", feature = "gene", window = 1000000)

可以得到下面类似于这个文件species_density，第一列是染色体编号，第二三列是染色体起止点，第四条是基因密度值

#>   Chr   Start     End Value

#> 1   1       1 1000000    65

#> 2   1 1000001 2000000    76

#> 3   1 2000001 3000000    35

#> 4   1 3000001 4000000    30

#> 5   1 4000001 5000000    10

#> 6   1 5000001 6000000    10

最终成图

现在就可以出基础的图了，以下命令可以出染色体和基因密度分布图了

ideogram(karyotype = human_karyotype, overlaid = gene_density)
convertSVG("chromosome.svg", device = "png")

然后准备下列文件Random_RNAs_500，这个就是各类RNA的信息，比如下面的示例文件（tRNA、rRNA、miRNA）

#>    Type    Shape Chr    Start      End  color
#> 1  tRNA   circle   6 69204486 69204568 6a3d9a
#> 2  rRNA      box   3 68882967 68883091 33a02c
#> 3  rRNA      box   5 55777469 55777587 33a02c
#> 4  rRNA      box  21 25202207 25202315 33a02c
#> 5 miRNA triangle   1 86357632 86357687 ff7f00
#> 6 miRNA triangle  11 74399237 74399333 ff7f00

现在可以出各类型RNA分布的情况图了

ideogram(karyotype = human_karyotype, overlaid = gene_density, label = Random_RNAs_500, label_type = "marker")
convertSVG("chromosome.svg", device = "png")

还能以成对染色体形式展示

data(human_karyotype, package="RIdeogram") #reload the karyotype data
ideogram(karyotype = human_karyotype, overlaid = gene_density, label = LTR_density, label_type = "heatmap", colorset1 = c("#f7f7f7", "#e34a33"), colorset2 = c("#f7f7f7", "#2c7fb8")) #use the arguments 'colorset1' and 'colorset2' to set the colors for gene and LTR heatmaps, separately.
convertSVG("chromosome.svg", device = "png")

工具后续还做了共线性分析等功能，是一个可视化程度很高、种类较齐全、美观度很高的很好的工具包