ComplexHeatmap绘制单个热图

前言

complexheatmap可以绘制很复杂的热图，能满足日常以及文章所需，本次先简单的介绍单个热图绘制的内容。

单个热图由热图主体和热图组件组成。其中主体可分为行和列；组件可以是标题、树状图、矩阵名称和热图注释，在主图的四周均可，且顺序可调整。

一 载入数据，r包

1.1 载入complexheatmap包

#if (!requirenamespace("biocmanager", quietly = true))
#    install.packages("biocmanager")
#biocmanager::install("complexheatmap")
library(complexheatmap)

1.2 载入数据

为更贴近生信使用场景，直接使用内置的基因表达数据

expr = readrds(paste0(system.file(package = "complexheatmap"), "/extdata/gene_expression.rds"))
#查看数据
str(expr)
expr[1:4,c(1:4,25:27)]

拿到一个新数据后，除了检查[1:4,1:4]外，也许还需要看看最后几列，另外还需要观察列名称的规律。

去除最后几列，或者只选取列名字包含cell的（tcga数据处理中也会经常遇到）

mat = as.matrix(expr[, grep("cell", colnames(expr))])

1.3 绘制最简单的热图

heatmap(mat)

可以看到有很多需要“美化”的地方，别急，一点点来。

二 热图修饰

2.1 颜色

1）连续型变量

可以使用circle::colorramp2()函数来生成heatmap()中的颜色映射函数，输入参数为分割位置以及分割点上的颜色。下例中，大于12的值都映射为红色，小于12的值映射为绿色；

library(circlize)
#c中的范围要根据实际情况设置
col_fun = colorramp2(c(8, 12, 16), c("green", "white", "red"))
heatmap(mat, name = "mat", col = col_fun)

2）分类型变量

更改分类变量的颜色，需要把所有分类的数字均进行赋值。

discrete_mat = matrix(sample(1:4, 100, replace = true), 10, 10)
colors = structure(1:4, names = c("1", "2", "3", "4")) # black, red, green, blue
heatmap(discrete_mat, name = "mat", col = colors,
    column_title = "a discrete numeric matrix")

更多颜色修改请参考官方文档，文末的参考资料的链接。

2.2 标题

1）设置行，列和图例的标题

heatmap(mat, 
        name = "legend title", #图例title
        column_title = "i am a column title", #列title 
        row_title = "i am a row title",
        column_title_side = "bottom") #行title

2）设置标题的位置，颜色，字体，大小

heatmap(mat, name = "mat", 
        row_title = "row title",
        row_title_rot = 0, #旋转方向
        column_title = "i am a big column title", 
        column_title_side = "bottom", #标题位置
        column_title_gp = gpar(fontsize = 20, fontface = "bold",col = "red")) #颜色，字体，大小

3）设置标题的背景

column_title_gp中的填充参数来设置标题的背景颜色

heatmap(mat, name = "mat", 
        column_title = "i am a column title", 
        column_title_gp = gpar(fill = "red", col = "white", border = "blue"),
        )

2.3 聚类

聚类是热图可视化的关键组成部分，在complexheatmap包中可以非常灵活的进行设置。

a：一般设置

cluster_rows/columns ：是否进行聚类

show_column/row_dend ：是否显示聚类树

column/row_dend_side ：聚类图绘制的位置

column_dend_height/row_dend_widht ：聚类树的高度 和 宽度

heatmap(mat, name = "mat",</code><code>        cluster_columns = t,  </code><code>        cluster_rows = f, ## turn off row clustering</code><code>        show_column_dend = t, ## hide column dendrogram</code><code>        show_row_dend = f,</code><code>        column_dend_side = "top",  #dendrogram location</code><code>        column_dend_height = unit(4, "cm"))

注意：聚类树的高度 和 宽度有区别。

b：距离方法

可选计算距离的方式包括pearson, spearman以及kendall ， 或者计算距离的自定义函数。

heatmap(mat, name = "mat", clustering_distance_rows = "pearson",
    column_title = "pre-defined distance method (1 - pearson)")

自定义

heatmap(mat, name = "mat", clustering_distance_rows = function(x, y) 1 - cor(x, y),
    column_title = "a function that calculates pairwise distance")

c：聚类方法

支持hclust()中的聚类方法。

heatmap(mat, name = "mat", clustering_method_rows = "single")

d：聚类树的渲染

根据聚类结果将聚类树的枝设置不同的颜色

library(dendextend)</code><code>row_dend = as.dendrogram(hclust(dist(mat)))</code><code>row_dend = color_branches(row_dend, k = 4) # `color_branches()` returns a dendrogram object</code><code>heatmap(mat, name = "mat", </code><code>        cluster_rows = row_dend,</code><code>        row_dend_width  = unit(4, "cm"))

2.4 设置行列顺序

通过row_order/column_order函数自定义其排序，为方便展示选择前30个基因。

mat <- mat[1:30,]
heatmap(mat, name = "mat", 
          row_order = order(as.numeric(gsub("gene", "", rownames(mat)))), #将gene1替换为1，在排序
          column_order = sort(colnames(mat)),
          column_title = "reorder matrix")

注：此处将gene1，gene10 先替换掉gene（不去的话是按照ascii码），然后按照数值排序。

参考资料：

https://github.com/jokergoo/complexheatmap

https://jokergoo.github.io/complexheatmap-reference/book/a-single-heatmap.html

以上就是complexheatmap绘制单个热图的详细内容，更多关于complexheatmap绘制单个热图的资料请关注其它相关文章！