在线绘制染色体叠加密度与标记图：零代码可视化方案

做基因组学的同行应该都有过这种经历：手里拿着一堆变异位点、测序深度、peak 区域或者基因注释信息，想看看它们在染色体上的分布规律，结果卡在画图这一步。R 包装了又报错，IGV 加载大文件卡到怀疑人生，发给合作者还要让他也装一套软件。这篇就聊聊怎么用在线工具完成“染色体叠加密度和标记图”，不用一行代码，打开浏览器就能出图，而且支持把自己的数据 track 和参考基因组上的注释信息叠在同一张图上。

这类图在项目里太常用了。测序深度覆盖度检查、ChIP-seq peak 的分布核验、变异位点在染色体上的聚集趋势、QTL 区间和候选基因的位置关系，都是靠这种图来直观呈现的。对于生信工程师、育种方向的研究生、临床检测实验室的同事，甚至只需要看结果的实验台搭档，在线方案都能解决大部分需求，关键是不用维护本地环境，打开网址传文件就能开工。

1. 需求拆解与在线方案选型

1.1 为什么在线画图能保命：本地绘图的四个经典痛点

先说本地画图。用 R 里最常见的 circlize、RIdeogram 或者 ggplot2 画染色体分布，本身不难，难点全在环境上。我最早给学生做培训时发现，光是把 R 版本从 3.x 升到 4.x 就能让一批旧脚本跑不起来，rtracklayer 对 R 版本和 Bioconductor 版本有严格的匹配要求，BIOCONDUCTOR 又对 R 版本有要求，连锁反应直接劝退新手。如果是本地写 Python 脚本用 matplotlib 画，则要自己处理染色体长度表、位置归一化、刻度映射这些底层逻辑，稍不留意坐标轴就是错的。

另一个痛点是数据交换。实验室里有人用 Windows，有人用 macOS，还有人用服务器，每个人环境都不一样。一份写好的绘图脚本，换台机器可能要改路径、改包名、改编码格式。我实测过，同样的 BED 文件在 Windows 下读入，因为行尾符问题，偶尔会出现染色体名带 \r 导致匹配不上，这种问题排查起来特别消耗时间。

第三是性能问题。全基因组 SNV 的 VCF 文件动辄几个 G，本地画密度图的时候内存经常被吃满。就算用 bedtools coverage 先做分箱统计，得到的分箱文件还是可能很大，画出来的图锯齿感严重，要调平滑参数又要重新跑一遍。

第四是协作展示的问题。本地生成的静态 PNG，想叠加不同数据来源的轨道，需要反复重新生成。如果是和合作者远程讨论，对方想要看某个区间的放大细节，你只能再切 IGV 截图发过去，沟通效率很低。在线工具天然具备交互能力，拖拽、缩放、开关 track 都在浏览器里完成，这正好补上本地方案的短板。

1.2 在线工具怎么选：从 UCSC 到 Galaxy 的取舍思路

目前主流在线绘图方案集中在三类。第一类是基因组浏览器，典型代表是 UCSC Genome Browser，以及 Ensembl 的 Region in Detail 视图。这类工具的核心能力是展示参考基因组上的各种注释轨道，同时允许上传自定义数据作为额外轨道，非常适合把“自己的标记数据”和“参考注释”叠加显示。第二类是 Galaxy 平台，它是一个在线生信工作流平台，里面集成了一系列数据整理、分析和可视化工具，适合先做数据处理再出图的完整流程。第三类是快速出图的小型在线应用，比如各种基于 R Shiny 的绘图站点，但稳定性和可定制性通常不如前两者。

我在实际项目中常用的选型规则是：如果是做哺乳动物、植物等有完善参考基因组注释的物种，首选 UCSC Genome Browser。它的参考基因组覆盖全，常见物种的基因注释、重复序列、GC 含量、保守性等轨道都是现成的，上传自己的 BED 或 VCF 后，直接就能叠加查看。如果是做尚未有公开发布基因组的非模式物种，或者需要先对原始数据做比对、peak calling、变异检测等处理再出图，就选 Galaxy，它能把上游分析到下游可视化连成一条流水线。

如果只需要一张简单的静态图用于论文补充材料，也可以用一些专为发表设计的工具，比如之前很多人用的 Rideogram 在线版，生成的是矢量图，风格很适合文章插图。不过这类在线服务有时不稳定，我的建议是重要图件还是保留本地脚本和输入文件，在线工具当快速探索和初步沟通的手段。

2. 核心原理与数据准备：搞懂格式才不会被工具卡住

2.1 密度图和标记图在生物信息学里到底画的是什么

“密度图”指的是某种特征在染色体不同位置上的