如何绘制vcftools生成的插入缺失（Indel）长度分布直方图

我来帮你搞定这个Indel长度分布的绘制需求！下面给你三种常用的实现方法，都是直接基于你拿到的VCFtools输出文件来操作的：

方法1：用R语言（简洁直观，适合统计分析） #

R做这类统计绘图非常顺手，步骤如下：

1. 先把VCFtools生成的文件（假设叫indel_len.hist）读入R：

# 读取数据，若文件无表头则把header设为FALSE
indel_data <- read.table("indel_len.hist", header = TRUE)
# 过滤出长度在-15到15之间的数据
filtered_data <- subset(indel_data, LENGTH >= -15 & LENGTH <= 15)

2. 用ggplot2绘制带区分色的直方图（没装ggplot2的话先执行install.packages("ggplot2")）：

library(ggplot2)

ggplot(filtered_data, aes(x = LENGTH, y = COUNT)) +
  geom_bar(stat = "identity", fill = ifelse(filtered_data$LENGTH < 0, "#2c3e50", "#e74c3c")) +
  scale_x_continuous(breaks = seq(-15, 15, 1), limits = c(-15.5, 15.5)) +
  scale_y_continuous(limits = c(0, max(filtered_data$COUNT))) +
  labs(title = "Indel Length Distribution",
       x = "Indel Length (Negative = Deletion, Positive = Insertion)",
       y = "Count") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

• 这里用深蓝色标记缺失（Deletion）、深红色标记插入（Insertion），X轴覆盖-15到15的所有整数刻度，Y轴自动适配数据中的最大COUNT值。

方法2：用Python + Matplotlib（适合Python生态用户） #

如果你更熟悉Python，用Matplotlib也能轻松实现：

1. 导入库并读取数据：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据，sep参数根据文件实际分隔符调整（一般是制表符\t）
df = pd.read_csv("indel_len.hist", sep="\t")
# 过滤目标长度范围的数据
filtered_df = df[(df["LENGTH"] >= -15) & (df["LENGTH"] <= 15)]

2. 绘制区分类型的直方图：

plt.figure(figsize=(10, 6))

# 拆分缺失和插入数据分别绘制
deletions = filtered_df[filtered_df["LENGTH"] < 0]
insertions = filtered_df[filtered_df["LENGTH"] >= 0]

plt.bar(deletions["LENGTH"], deletions["COUNT"], color="#2c3e50", label="Deletion")
plt.bar(insertions["LENGTH"], insertions["COUNT"], color="#e74c3c", label="Insertion")

# 设置坐标轴参数
plt.xlim(-15.5, 15.5)
plt.ylim(0, filtered_df["COUNT"].max())
plt.xticks(range(-15, 16))
plt.xlabel("Indel Length (Negative = Deletion, Positive = Insertion)")
plt.ylabel("Count")
plt.title("Indel Length Distribution")
plt.legend()
plt.grid(axis='y', linestyle='--', alpha=0.7)

plt.show()

• 这段代码同样做了类型颜色区分，X轴刻度完整覆盖目标范围，Y轴从0开始到数据最大值。

方法3：用Gnuplot（适合命令行环境快速绘图） #

如果习惯在命令行操作，Gnuplot是个轻量高效的选择：

创建一个Gnuplot脚本（比如plot_indel.gp）：

set terminal pngcairo size 800,600 enhanced font 'Arial,10'
set output 'indel_distribution.png'

set title "Indel Length Distribution"
set xlabel "Indel Length (Negative = Deletion, Positive = Insertion)"
set ylabel "Count"

set xrange [-15.5:15.5]
set yrange [0:*]
set xtics -15,1,15
set grid ytics

# 用不同颜色区分缺失和插入
plot "indel_len.hist" using 1:2 where ($1 < 0) with boxes lc rgb "#2c3e50" title "Deletion", \
     "indel_len.hist" using 1:2 where ($1 >= 0) with boxes lc rgb "#e74c3c" title "Insertion"

然后在命令行运行：

gnuplot plot_indel.gp

• 运行后会直接生成PNG格式的结果图，可直接查看或导出。

小提示 #

• 如果你的VCFtools输出文件没有表头（即第一行就是数据），读取时要记得去掉header=TRUE这类参数，或者手动指定列名。
• 若某些长度值在数据中缺失（比如没有-13的Indel），绘图工具会自动留空，不影响整体分布的展示效果。

内容的提问来源于stack exchange，提问作者J0ki