文章目录
- 使用ComplexHeatmap包绘制个性化热图
- 检测安装加载包
- 创建测试数据集
- 一行命令绘图
- 调参美化
- 猜你喜欢
- 写在后面
使用ComplexHeatmap包绘制个性化热图
作者：刘梦瑶 诺禾致源 微生物信息
ComplexHeatmap包由顾祖光博士创建，是一个非常全面的绘制热图的R包，可以利用它来绘制许多文献中的美图，例如下图展示的16S文献分析中的热图。这里主要介绍一下如何用这个R包来绘制类似的个性化热图。
检测安装加载包
# 检测安装CRAN包
package_list = c("circlize","grid","BiocManager")
for(p in package_list){
if (!requireNamespace(p, quietly = TRUE))
install.packages(p)
}
# 检测安装bioconductor包
package_list = c("ComplexHeatmap")
for(p in package_list){
if (!requireNamespace(p, quietly = TRUE))
BiocManager::install(p)
}
# 加载依赖包
library(circlize)
library(grid)
library(ComplexHeatmap)创建测试数据集
可以按照的Bioconductor官网上ComplexHeatmap包的说明来创建一个测试数据（http://bioconductor.org/packages/release/bioc/vignettes/ComplexHeatmap/inst/doc/s2.single_heatmap.html ）
# 设置随机数种子，保证数据分析随机过程可重复
set.seed(123)
# 生成模拟数据：12行成10列矩阵
mat = cbind(rbind(matrix(rnorm(16, -1), 4),
matrix(rnorm(32, 1), 8)),
rbind(matrix(rnorm(24, 1), 4),
matrix(rnorm(48, -1), 8)))
# 随机重排
mat = mat[sample(nrow(mat), nrow(mat)),
sample(ncol(mat), ncol(mat))]
# 添加行、列名
rownames(mat) = paste0("R", 1:12)
colnames(mat) = paste0("C", 1:10)一行命令绘图
使用默认参数，一行命令即可出图
#默认对行和列都进行聚类
Heatmap(mat)调参美化
下面我们通过参数设置来进行个性化热图定制。
使用HeatmapAnnotation函数可以构建注释对象，我们可以进行自定义，也可以直接使用它的内置函数。
注释按位置来分类可分为行注释和列注释，以列注释为例，其内置函数按照图形的类型可以分为6种，anno_points()，anno_barplot()，anno_boxplot()，anno_histogram()，anno_density()，anno_text()。
行注释的内置函数和列注释类似，前面加上row即可，如row_anno_points()。
详细示例可参照网址：http://bioconductor.org/packages/release/bioc/vignettes/ComplexHeatmap/inst/doc/s4.heatmap_annotation.html 。
本文重点讨论anno_points()的用法。
# 生成包含10个0.5数值的向量
value = rep(0.5,10)
# 设置值、形状、大小、颜色等
ha = HeatmapAnnotation("type" = anno_points(value, pch=c(19,19,15,15,24,24,23,23,3,3), size = unit(7, "mm"),gp = gpar(col = c("#bf94e4","#bf94e4","#bf94e4","#bf94e4","#1dacd6","#1dacd6","#1dacd6","#1dacd6","red","red")),border=FALSE,ylim=c(0,1)),show_annotation_name = FALSE)"type"为这一行注释的名称，show_annotation_name = FALSE，即不显示名称。pch可指定绘制点时使用的符号，共25种，如上三角，下三角，圆形，方形等，具体可见《R In Action》。size可指定符号的大小，gp可指定符号的颜色。
# 批量按行中心标准化，减均值除方差，Z-score
mat_scaled = apply(mat, 1, scale)
# 继续原数据表列名
rownames(mat_scaled) = colnames(mat)
# 转置才与原方向一致
mat_scaled = t(mat_scaled)
# 通过circlize包中的colorRamp2()函数，来自定义颜色
col_fun = circlize::colorRamp2(c(-3, 0, 3), c("black", "white", "yellow"))
# 新矩阵
shape<-mat_scaled
# 循环元素筛选，变为+或空，显著标记常用
x<-nrow(mat_scaled)
y<-ncol(mat_scaled)
for(i in 1:x ){
for (j in 1:y ){
if(shape[i,j]>=1){
shape[i,j]<-"+";} else{
shape[i,j]<-"";
}}}如需对数据进行标准化，需使用apply函数来处理数据。我们可以通过circlize包中的colorRamp2()函数，来自定义颜色。对mat_scaled的数值进行筛选，生成一个符号是加号或空值的新数据框。这一部分可以根据作图要求来自定义。
P1=Heatmap(mat_scaled,
name = "hello",
top_annotation = ha,
col = col_fun,
rect_gp = gpar(col = "black",lty = 2, lwd = 1),
cell_fun = function(j, i, x, y, width, height, fill) {grid.text(shape[i,j], x = x, y = y,gp = gpar(fontsize = 10,col="red"))},
cluster_rows = FALSE,
cluster_columns = FALSE,
row_names_side = "left",
column_names_side="bottom",
row_names_gp = gpar(col = c("#8B7500","#8B7500","#8B7500","#8B7500","#8B7500","#8B7500","#0000FF","#0000FF","#0000FF","#0000FF","#0000FF","#0000FF")))name可定义图例的名称。top_annotation 可引用上面定义好的列注释, 并将列注释放在heatmap上方；bottom_annotation 则将列注释放在heatmap下方。rect_gp定义小方格的边框颜色，线条类型及宽度。cell_fun可以对heatmap的每个小方格进行自定义，这里用其来显示”+”号，也可以显示数字等。cluster_rows和cluster_columns可定义是否聚类。row_names_side可定义行名的显示位置，默认值right。column_names_side可定义列名的显示位置，默认值bottom。row_names_gp可定义列名的颜色。
# 行名第一列
texta = c("A","B","C","D","EEEEE","F","G","H","I","J","K","L")
# 行注释，宽度为最大文本
ha_texta =rowAnnotation(text = row_anno_text(texta), width = max_text_width(texta))
# 行名第二列
textb = c("M","N","O","P","Q","R","S","T","U","V","W","X")
ha_textb =rowAnnotation(text = row_anno_text(textb), width = max_text_width(textb))
# 添加行名注释
ht_list = P1 + ha_texta + ha_textb
# 添加图例对应文字、形状和颜色
lgd = legendGrob(c("A","B","C","D","E"), pch = c(19,15,24,23,3),gp= gpar(col =c("#bf94e4","#bf94e4","#1dacd6","#1dacd6","red")))
# 绘图，添加热图图例左，注释图例
draw(ht_list,heatmap_legend_side = "left",annotation_legend_list = list(lgd))
