企业官网建设流程全解析

前阵子帮一个师弟做基因家族分析，流程跑到最后一步卡住了：基因家族成员在全基因组上的分布情况需要用一张图展示给审稿人。他翻了半天教程，不是让写R代码，就是让配Perl脚本，折腾了一整晚也没出图。后来我用了TBtools自带的Advanced Circos模块，前前后后不到十分钟就把他要的图搞定。这篇文章就把这套“TBtools绘制Circos图”的方法完整写出来，从原理、数据准备到参数调节，再到我自己踩过的一些坑，希望能让后面做基因组可视化的朋友少走弯路。

先说清楚这篇内容适合谁看。如果你正在做基因家族分析、比较基因组、或者单纯想把基因在染色体上的密度分布画出来，且不太想碰代码，那这篇攻略就是给你准备的。哪怕你之前完全没用过TBtools，只要会基础的Excel操作，跟着下面的步骤走，也能在半小时内跑出一张能放进论文的Circos图。

1. Circos图是什么，为什么基因家族分析离不开它

1.1 一张图解决“基因在染色体上怎么排”的问题

Circos图本质上是一种环形布局的可视化图表，最早主要用于基因组学数据展示。它的核心优势在于：把线性染色体弯成一个圆，外层放上染色体编号和刻度，内层就可以叠加各种数据轨道。在做基因家族分析时，最常见的一种需求就是展示“这个家族的成员在每条染色体上分布了多少、有没有成簇现象”。

我见过很多研究生的第一版基因家族染色体分布图，是用Excel画成长条形的。长条图当然也能表达，但如果你有12条甚至更多染色体，长条排在一起占版面不说，还不直观。Circos图把所有染色体放在一圈里，基因密度高的区域一眼就能看出来，而且不占地方，放到论文里又省空间又好看，所以很多主流期刊都愿意接受这种呈现方式。

1.2 除了基因密度，Circos图还能展示什么

Circos图能承载的信息量远不止基因密度一项。我经常用到的组合是：外层显示染色体编号和长度刻度，内层第一条轨道显示基因密度，第二条轨道显示SNP密度，中间如果再拉几条连线表示基因之间的共线性关系，整个图就非常立体了。

做基因家族分析的时候，Circos图还有另一个用处——展示“基因复制事件”。比如全基因组复制产生的共线性区块，在Circos图里用色带连起来，远比用文字描述“某号染色体与某号染色体存在大片段共线性”有说服力。这也是为什么比较基因组学论文里，Circos图几乎成了标配。

1.3 为什么选择TBtools而不是R包或Perl

画Circos图有三个常见路线：官方Perl版本的Circos、R语言的circlize包、TBtools图形化界面。官方Circos的功能最强大，但配置文件的写法比较繁琐，说实话新手光调一个颜色就能搞一小时。R语言的circlize也很灵活，但需要写代码，而且不同版本包更新时语法可能会有变化。

TBtools的优势在于完全图形化，鼠标点一点就能出图。虽然它的Circos模块灵活度不如前两者，但对于“画一张标准的基因密度Circos图”这个需求来说，已经绰绰有余了。特别是做基因家族分析这种重复性比较高的任务，TBtools可以让流程标准化，换一个家族、换一组数据，重新跑一遍即可，基本不需要调参成本。

2. 画图前必须准备好的两个数据文件

2.1 先搞懂TBtools的Circos需要什么格式的数据

很多人在第一步就出问题，是因为没搞明白TBtools的Advanced Circos到底需要什么样的输入数据。它本质上是把染色体长度和基因位置叠在一起，然后按窗口统计基因数量，所以至少要准备两份文件：

第一份是染色体长度信息，告诉软件一共有几条染色体、每条染色体有多长。第二份是基因位置信息，告诉软件每个基因在哪条染色体的哪个区间上。两个文件准备好了，剩下的就是参数微调。

这一点理解了，后面所有操作其实都很顺。因为软件本身不负责帮你整理数据，你的GFF文件、注释文件里内容再多，只要没提取成它要求的格式，它就一概不认。我见过有人直接把GFF3原始文件拖进去，结果出来的图一片空白，还以为是软件装错了。

2.2 从GFF文件快速提取染色体长度和基因位置

绝大多数真核生物基因组注释文件都是GFF3或GTF格式。提取基因位置最直接的办法是用awk命令。假如你的基因组注释文件叫genome.gff3，基因结构注释里的第三列会有CDS、exon、gene、mRNA这些记录，我们要的是第三列为gene的那行。

awk -F '\t' '$3=="gene" {print $1"\t"$4"\t"$5"\t"$9}' genome.gff3 > gene_position.txt

这条命令的意思是：以Tab为分隔符，找出第三列是gene的行，输出染色体编号、起始位置、终止位置以及第九列的注释信息。生成的gene_position.txt就是一张最基础的三到四列位置表。

染色体长度文件更简单，如果你有参考基因组的.fai索引文件，直接切前两列就行：

cut -f1,2 genome.fasta.fai > chr_length.txt

如果没有.fai文件，也可以用samtools faidx先生成索引，或者直接去NCBI把每条染色体的长度抄下来，整理成两列也完全没问题。

2.3 只提取特定基因家族成员的位置信息

前面说的是提取全部基因，但基因家族分析经常只需要关注某一个家族几十个基因的位置。这时候可以先把家族成员ID整理好，再去GFF文件里匹配位置。

比如你已经从Pfam或InterPro扫描结果里拿到了基因家族成员列表family_member_ids.txt，一行一个基因ID，想从全基因组注释中挑出它们的位置：

grep -w -f family_member_ids.txt genome.gff3 | awk -F '\t' '$3=="gene" {print $1"\t"$4"\t"$5"\t"$9}' > family_position.txt

但直接grep容易出现一个问题：基因ID和mRNA ID、转录本ID会相互干扰。比如你先在HMMER结果里拿到的是蛋白ID（如XP_001234567.1），而GFF文件里记录的是基因ID（gene-12345），这就对不上号了。我一般会先写个小脚本，把基因名的对应关系整理好，再提取坐标。实际操作中，可以先在Excel里把每个家族成员的基因ID从注释文件中vlookup出来，然后再用这些ID去匹配，这样虽然操作多两步，但不容易出错。

2.4 数据格式检查的三个细节

文件准备好了，但格式不对照样出不了图。我总结了三个最容易踩的坑：

第一，分隔符必须是制表符Tab，不能用空格。Excel打开能看、能用，但如果你在Windows里用记事本或者某些编辑器编辑过文件，行尾可能会有隐藏字符，建议用VS Code或Notepad++这类工具转换一下。第二，染色体编号必须完全一致。GFF文件里如果写的是Chr1，长度文件里写的是chr1，多一个小写字母c，TBtools就会认为它们是两条不同的染色体，结果图里会多出一条空圈或者干脆空白。第三，坐标正负链无所谓，但起始和终止位置最好统一，小的在前大的在后，虽然TBtools一般能自动识别，但文件干净一点总归没坏处。

我自己习惯在做完文件之后先快速看一眼预览：

head gene_position.txt head chr_length.txt

确认前几行格式没问题再导入TBtools，这一步能省下后面大量的排查时间。

3. TBtools绘制Circos图的完整实操过程

3.1 定位到Advanced Circos模块并完成数据导入

打开TBtools后，窗口顶部菜单栏选择Graphics，在下拉菜单里找到Advanced Circos，点击即可进入绘图界面。不同版本的TBtools菜单位置可能略有差异，如果你下载的是用Java重写的新版，入口可能叫Advanced Circos，也可能在子菜单里，名字变来变去但关键词里都有Circos，搜索一下就能找到。

进入界面后，第一步填入染色体长度文件，也就是之前整理的chr_length.txt。第二步填入基因位置文件，也就是gene_position.txt。注意TBtools的Advanced Circos并不一定要求你提供严格的BED格式，它允许有表头，但最好保持简洁。如果位置文件有3列以上，TBtools会自动识别前几列分别对应染色体、起始、终止。

填好之后，可以看到面板上有几个默认参数。这里先不要着急点Start，检查一下有没有“利用选择的文件类型”之类的选项。如果它问你是基因密度作图还是基因覆盖度作图，通常选基因密度（Gene Density）就好，待会出来的图比较顺眼。

3.2 参数调节：窗口大小、颜色渐变和阈值

我第一次用这个模块时，直接用了默认参数，图是出来了，但整个圈上基因密度几乎全是均匀的一片色，看不出任何集中趋势。后来才明白是窗口大小的锅。

Advanced Circos会把每条染色体切成一个个窗口，然后统计每个窗口内的基因数量，用颜色深浅表示数量高低。如果窗口设置得太大，每段包含的基因都差不多，颜色就没有区分度；如果窗口设置得太小，又会有很多窗口的基因数为0，图看起来很碎。这个参数名称在不同版本里可能叫Window Size或者Bin Size，一般默认为100kb或200kb。实际画基因家族密度时，我会根据基因组大小调整：

• 基因组500Mb左右，窗口100kb，出图效果比较平滑；
• 基因组小于200Mb，窗口降到50kb；
• 做单个基因家族成员分布时，窗口甚至可以不开密度统计，直接用点状标记处理。

颜色设置也很重要，默认的绿色渐变其实在打印成黑白论文时会被完全抹平。为了保险起见，我一般会用蓝色到红色的渐变，也就是低密度浅蓝、高密度深红。这种配色在彩打和黑白打印条件下都有不错的辨识度。阈值项（Threshold或Maximum Value）影响的是颜色映射的标尺，如果基因密度集中于某一条染色体，其他染色体颜色都很浅甚至空白，可以试着降低阈值，让色阶的区分度更大。

3.3 运行出图和图片导出

参数设置完成后，直接点击Start按钮。TBtools会弹出一个新的展示窗口，图像会以矢量的形式渲染。如果你在数据文件准备阶段没有明显错误，这一步几秒就能出结果。

看到图之后先别急着导出，花十几秒检查一下三条信息：最外圈染色体编号是否正确、有没有哪条染色体很短却显示成一大段、内圈密度轨道的深浅层次是否合理。

如果没问题，就可以点击Export导出图片。TBtools支持导出PNG、SVG、TIFF等格式。我个人的习惯是：如果只是给导师或组会看，导300dpi的PNG就够了；如果要投论文，一定导出SVG矢量图，之后放到Illustrator或Inkscape里面补充基因名、缩放条，输出600dpi的TIFF，这样就算补几轮审稿意见，图也经得起放大。

3.4 实操中我常用的出图前检查流程

这里补充一个我自己的经验流程，不一定适合所有人，但确实帮我省了不少时间：导入文件后，先不管颜色和阈值，直接用小尺寸窗口快速出一次图，看染色体的外形和编号对不对；确认无误后，再调整颜色参数，重新出图。这就像写代码先跑通再优化一样，可以避免为了调色等可视化参数浪费太久。

另外，不要忽略输出窗口的日志信息。TBtools在运行时会在界面上打印类似“reading input file…”“generating plot…”这样的提示，如果输入文件格式错误，日志里通常会有明确的报错行号，那里会直接告诉你是哪一行格式不对。很多人忽略这个信息，其实它比去论坛提问还靠谱。

4. 画图失败和效果不佳时的排查经验

4.1 完整画出来了，但里面是空的或只有一圈线条

这种情况80%是基因位置文件没被正确读取。先打开你的gene_position.txt，用head看一下，确认里面确实有数据且每列用Tab分隔。如果文件是空的，那检查一下GFF文件自身有没有问题，有的物种注释文件第三列不写gene，而是写mRNA或者CDS，这时把awk的条件改成$3=="mRNA"，提取mRNA的坐标作为基因位置信息，也可以兼容。

另一种可能是染色体名称不匹配。TBtools在绘制时会先用染色体长度文件建立坐标系统，然后去位置文件里找匹配项，找到不到就会跳过。所以我会用下面这个命令快速对比两边染色体编号有没有差异：

awk -F '\t' '{print $1}' chr_length.txt | sort -u > chr_len_list.txt awk -F '\t' '{print $1}' gene_position.txt | sort -u > chr_gene_list.txt diff chr_len_list.txt chr_gene_list.txt

如果diff输出有内容，就说明两边命名有出入，去Excel里批量改一下名称即可。

4.2 整个圈颜色很均匀，看不出基因密度差异

这不一定是你数据的锅，更可能是参数没调对。我建议先把窗口大小调小一半重跑一次，比如是200kb就改成100kb，再看看颜色分布是否有层次。如果还是没有，就检查一下阈值设置，把这个值调低，让高密度区域更快达到颜色深度的上限。

还有一点值得提的是，如果你的物种基因组本身基因密度就特别高，比如一些微生物基因组整圈基因密度都很高，那Circos图的基因密度轨道意义就不大。这种情况更适合展示基因家族的分布位置而不是所有基因的密度，或者说你把阈值调到一个较高的值，但出图效果依然不理想，就可以考虑用后面讲的JCircos做更灵活的定制。

4.3 出图后染色体长度比例奇怪或个别染色体显示不全

这个问题通常出在染色体长度文件上。有的参考基因组会包含scaffold、contig，如果你把几百条scaffold全部加进去，图会被切得密密麻麻，比例也不对。我一般只保留主染色体上的序列，过滤时可以用染色体名称列表做白名单，或者用awk过滤掉含有scaffold或contig的行。

另外检查一下长度文件排序，如果染色体顺序是随机的，图上的染色体排列也会是无规律的。建议按照染色体编号1、2、3的顺序排列，TBtools会从上到下按你的文件顺序一圈一圈排布。

4.4 常见问题速查表

我把这几年在不同机器、不同版本TBtools里遇到的问题整理成一个表，方便大家快速定位：

4.5 几个独家避坑技巧

除了上面这些，我再分享三个常规教程里不会写到的经验。

第一个，TBtools的Circos模块对中文路径极其敏感。如果你的项目文件夹路径里带有中文，或者文件名是中文，很容易在出图时报各种奇怪的错。解决办法很简单，建一个纯英文路径的文件夹，把数据文件放进去再跑。

第二个，如果你需要在图上显示基因名称标签，Advanced Circos的标签排列有时会互相重叠、遮住轨道。我的做法是，在位置文件中保存的基因ID尽量短，比如只保留前缀“G00001”而不是一长串带版本号的完整ID。标签越短，重叠概率越低，可读性越高。

第三个，出图用的字体在Windows和Linux系统上有差异，如果你把SVG拿到别的电脑上编辑，字体可能会被替换成系统默认字体，导致位置偏移。稳妥的做法是导出SVG后直接转成PDF嵌入字体，再在AI中编辑。如果你是Mac用户，建议统一用Arial或Helvetica这类跨平台字体。

5. 进阶玩法：让Circos图在基因家族分析里更有说服力

5.1 用JCircos实现自定义轨道和图内标记

Advanced Circos适合快速出图，但它默认以密度轨道为主。如果我想突出显示基因家族中的20个成员在染色体上的具体位置，单靠密度图不够直观，因为周围还有其他基因，密度高不一定代表家族成员集中在那里。

这时候我会改用TBtools里的另一个模块JCircos。它的操作思路和Advanced Circos不同，更像是“让用户手动配置多个数据轨道”。你可以添加一个轨道专门用来放基因家族成员的位置点，每一个基因标一个小色点，颜色与密度图区分开，整张图的信息量就会丰富很多。

JCircos的数据文件格式要求也不复杂，本质上还是染色体、起始、终止三列，如果有需要可以再加第四列作为轨道数值。用法上多点几次鼠标就能摸清，但参数多，所以第一次上手建议边看预览边调整。

5.2 结合MCScanX共线性数据画内部连线

基因家族分析做到后期，大家都会关心家族成员之间的复制关系。这时候单纯一张基因密度Circos图就不够了，最好能把共线性区块也画进去。TBtools提供了一些与MCScanX结果联动的工具，比如可以利用MCScanX输出的collinearity文件，在Circos图中绘制基因间的连线，表示哪些基因是旁系同源或直系同源。

连线图比密度图更容易被审稿人认可，因为它直接展示了进化事件。我的做法是：先用MCScanX跑出共线性基因对，把基因对的染色体和位置提取出来，整理成“每行一对坐标”的格式，再在JCircos里添加一个Link轨道，选择这个文件，就能画出漂亮的内部连线。实际操作时要注意，连线轨道的颜色尽量选半透明的色系，不然连线多了会遮住底层的密度轨道。

5.3 用“密度图+散点标记+连线”三合一的完整套路

在一次完整的基因家族分析展示里，我使用的组合是：底层用Advanced Circos或JCircos出全基因组基因密度底色，中间层叠加家族成员位置散点，最内层再拉出共线性连线。这样一张图同时回答了三个问题：全基因组基因是怎么分布的、目标家族成员集中在哪里、它们之间有哪些同源关系。审稿人看完基本不用再看额外补充材料。

出图顺序上，我不会从头到尾都在TBtools里完成。TBtools负责出基础图，后来的散点高亮、添加图例、加文字注释，我会导出SVG后到Illustrator里面做微调。这样既能利用TBtools的快速出图优势，又能在最终排版上做到精细控制。

画完图之后有个小细节很多人不注意——图例。Circos图如果连图例都没有，读者根本不知道外围颜色深浅代表什么。TBtools导出的图不一定带图例，建议在排版软件里自己加一个渐变图例，标注清楚“低密度到高密度”的对应关系。这个细节缺失导致返修的几率，远远超过你的想象。

5.4 这套技能能用到哪些研究场景

学完这个操作以后，你会发现它的应用场景比预想的多。做全基因组复制分析可以画；比较基因组学中不同物种间的共线性可以画；转录组中差异表达基因在染色体上的分布也可以画。甚至不需要基因家族分析，只要手上有染色体坐标信息，就能用同一套流程快速出图。

我自己后来做的一个项目，需要把某个代谢通路的全部基因在不同物种中的分布展示出来。当时就是用TBtools批量跑了十来个物种的数据，每个物种生成一张Circos图，然后统一处理排版，整个过程不到一天就完成了。如果是用R代码，光想怎么循环出图可能就要写一上午。

写在最后

从实际操作体验来说，TBtools的Circos功能并不追求像官方Circos那样无所不能，它更像是给生物信息学分析链条里补上了“最后一公里”的拼图。你前面费很大力气跑完基因家族筛选、构建系统发育树、算完选择压力，到了展示这一步如果卡住了，那就太亏了。用这套攻略，熟练之后正常人十分钟之内画出一张Circos图是完全不夸张的。

最后再分享一个小经验：每次画图前，把输入文件、参数截图、结果图存到同一个文件夹里，命名加上日期。因为这个东西画起来太顺手，很多研究会反复修改数据重新出图，有一个规范的项目管理习惯，找起旧图来会感谢自己。