作者： Biomarker
分類(lèi)： 醫(yī)學(xué)研究
ComplexHeatmap是Zuguang Gu博士開(kāi)發(fā)的一款可以繪制復(fù)雜熱圖的一個(gè)包，即可實(shí)現(xiàn)簡(jiǎn)單熱圖的功能，更能繪制更復(fù)雜的熱圖。復(fù)雜的熱圖有效地可視化不同數(shù)據(jù)集源之間的關(guān)聯(lián)并揭示潛在模式。ComplexHeatmap包提供了一種高度靈活的方式來(lái)排列多個(gè)熱圖并支持各種注釋圖形。
ComplexHeatmap簡(jiǎn)介篇
本文所有內(nèi)容引用：Zuguang Gu, Roland Eils and Matthias Schlesner,?Complex heatmaps reveal patterns and correlations in multidimensional genomic data, Bioinformatics, 2016
圖1 甲基化圖譜的繪制
圖2 甲基化、表達(dá)譜及其他基因組屬性相關(guān)性繪圖
圖3 Upset plot
ComplexHeatmap安裝篇
1)可從?Bioconductor獲得：
install.packages(“BiocManager”)
BiocManager::install(“ComplexHeatmap”)
2)從Bioconductor下載ComplexHeatmap_1.18.1.tar.gz，然后：
3)新版本可從GitHub上獲得：
install_github(“jokergoo/ComplexHeatmap”)
總而言之，請(qǐng)費(fèi)盡心機(jī)把這個(gè)包安裝到你的R中
參數(shù)詳情篇
#matrix：數(shù)字或字符型矩陣（可以是離散或連續(xù)型數(shù)值）
#col:定義熱圖顏色，對(duì)離散型數(shù)據(jù)，col可以是一個(gè)向量；對(duì)連續(xù)型數(shù)據(jù)，col可以是一個(gè)函數(shù)，也可以用colorRamp2?函數(shù)生成
#name:熱圖圖例名稱(chēng)
na_col?=?“grey”,
#ComplexHeatmap允許數(shù)據(jù)中含有NA,需要通過(guò)參數(shù)na_col來(lái)控制NA的顏色
color_space?=?“LAB”,
#當(dāng)矩陣是數(shù)值型矩陣，col是一個(gè)向量時(shí)，控制內(nèi)插顏色
rect_gp?=?gpar(col?=?NA),
#rect_gp:熱圖體區(qū)矩形的參數(shù)，如設(shè)置舉行邊框?yàn)榘咨?/span>
cell_fun?=?NULL,
#cell_fun：自定義在cell中增加繪圖項(xiàng)的函數(shù)。7個(gè)參數(shù)：i(row?index,矩陣中的行index）,?j(column?index，矩陣中的列index),?x,y(熱圖體區(qū)中中間點(diǎn)的坐標(biāo)）,width,height(cell的寬度和高度）,fill(cell的填充顏色）
row_title?=?character(0),
#row_title：行標(biāo)題
row_title_side?=?c(“left”,?“right”),
#row_title_side：行標(biāo)題位置，左(“l(fā)eft”)，右(“right”)
row_title_gp?=?gpar(fontsize?=?14),
#row_title_gp:設(shè)置行標(biāo)題的文本屬性，此處為字體大小為14
row_title_rot?=?switch(row_title_side[1],?“left”?=?90,?“right”?=?270),
#row_title_rot:行標(biāo)題的旋轉(zhuǎn)角度，可選為0,90,270
column_title?=?character(0),
#column_title：列標(biāo)題
column_title_side?=?c(“top”,?“bottom”),
#column_title_side：列標(biāo)題位置，上(“top”)，下(“bottom”)
column_title_gp?=?gpar(fontsize?=?14),
#column_title_gp：設(shè)置列標(biāo)題的文本屬性
column_title_rot?=?0,
#column_title_rot：列標(biāo)題的旋轉(zhuǎn)角度，可選為0,90,270
cluster_rows?=?TRUE,
#cluster_rows:是否行聚類(lèi)
clustering_distance_rows?=?“euclidean”,
#clustering_distance_rows：行聚類(lèi)的距離方法，默認(rèn)為“euclidean”，也可以為自定義函數(shù)
clustering_method_rows?=?“complete”,、
#clustering_method_rows:行聚類(lèi)的方法，默認(rèn)為“complete”，可參考hclust
row_dend_side?=?c(“left”,?“right”),
#row_dend_side：行聚類(lèi)樹(shù)位置，左(“l(fā)eft”)，右(“right”)
row_dend_width?=?unit(10,?“mm”),
#row_dend_width：行聚類(lèi)樹(shù)的寬度，unit對(duì)象
show_row_dend?=?TRUE,
#show_row_dend：是否展示行聚類(lèi)樹(shù)
row_dend_reorder?=?TRUE,
#row_dend_reorder:對(duì)行重新排序，該值可以是邏輯值或包含用于重新排序行的權(quán)重的向量
row_dend_gp?=?gpar(),
#row_dend_gp：繪圖線的圖形參數(shù)。如果已經(jīng)提供了帶有邊渲染的樹(shù)形圖對(duì)象，則該參數(shù)將被忽略。
row_hclust_side?=?row_dend_side,
#row_hclust_side：已棄用
row_hclust_width?=?row_dend_width,
#row_hclust_width：已棄用
show_row_hclust?=?show_row_dend,
#show_row_hclust：已棄用
row_hclust_reorder?=?row_dend_reorder,
#row_hclust_reorder：已棄用
row_hclust_gp?=?row_dend_gp,
#row_hclust_gp：已棄用
cluster_columns?=?TRUE,
#cluster_columns：是否列聚類(lèi)
clustering_distance_columns?=?“euclidean”,
#clustering_distance_columns：列聚類(lèi)的距離方法，也可以為自定義函數(shù)
clustering_method_columns?=?“complete”,
#clustering_method_columns：列聚類(lèi)方法，可參考hclust
column_dend_side?=?c(“top”,?“bottom”),
#column_dend_side：列聚類(lèi)樹(shù)位置，上(“top”)，下(“bottom”)
column_dend_height?=?unit(10,?“mm”),
#column_dend_height:行聚類(lèi)樹(shù)的高度，unit對(duì)象
show_column_dend?=?TRUE,
#show_column_dend:是否展示列聚類(lèi)樹(shù)
column_dend_gp?=?gpar(),
#column_dend_gp:繪圖線的圖形參數(shù)。如果已經(jīng)提供了帶有邊渲染的樹(shù)形圖對(duì)象，則該參數(shù)將被忽略。
column_dend_reorder?=?TRUE,
#column_dend_reorder：對(duì)列重新排序，該值可以是邏輯值或包含用于重新排序列的權(quán)重的向量
column_hclust_side?=?column_dend_side,
#column_hclust_side：已棄用
column_hclust_height?=?column_dend_height,
#column_hclust_height：已棄用
show_column_hclust?=?show_column_dend,
#show_column_hclust：已棄用
column_hclust_gp?=?column_dend_gp,
#column_hclust_gp：已棄用
column_hclust_reorder?=?column_dend_reorder,
#column_hclust_reorder：已棄用
row_order?=?NULL,
#row_order：行的順序。如果選擇此熱圖作為主熱圖，則可以輕松調(diào)整熱圖列表的行順序。手動(dòng)設(shè)置行順序應(yīng)關(guān)閉群集
column_order?=?NULL,
#column_order：列的順序。它可以輕松調(diào)整矩陣和列注釋的列順序
row_names_side?=?c(“right”,?“left”),
#row_names_side：行名稱(chēng)位置。
show_row_names?=?TRUE,
#show_row_names：是否展示行名稱(chēng)
row_names_max_width?=?default_row_names_max_width(),
#row_names_max_width：行名稱(chēng)的最大寬度。因?yàn)槟承r(shí)候行名稱(chēng)可能很長(zhǎng)，所以顯示它們都是不合理的。
row_names_gp?=?gpar(fontsize?=?12),
#row_names_gp：行名稱(chēng)文本屬性
column_names_side?=?c(“bottom”,?“top”),
#column_names_side：列名稱(chēng)位置
show_column_names?=?TRUE,
#show_column_names：是否展示列名稱(chēng)
column_names_max_height?=?default_column_names_max_height(),
#column_names_max_height：行名稱(chēng)的最大寬度。
column_names_gp?=?gpar(fontsize?=?12),
#column_names_gp：列名稱(chēng)文本屬性
top_annotation?=?new(“HeatmapAnnotation”),
#top_annotation：用HeatmapAnnotation函數(shù)構(gòu)建的注釋對(duì)象，在頂部添加注釋信息
top_annotation_height?=?top_annotation@size,
#top_annotation_height：頂部注釋信息展示的總高度
bottom_annotation?=?new(“HeatmapAnnotation”),
#bottom_annotation：用HeatmapAnnotation函數(shù)構(gòu)建的底部注釋對(duì)象
bottom_annotation_height?=?bottom_annotation@size,
#bottom_annotation_height：底部注釋信息展示的總高度
km?=?1,
#km：對(duì)行做k-means聚類(lèi)的類(lèi)數(shù)，若k>1,熱圖會(huì)根據(jù)k-means聚類(lèi)對(duì)行進(jìn)行分裂,對(duì)每個(gè)cluster,進(jìn)行層次聚類(lèi)
km_title?=?“cluster%i”,
#km_title：設(shè)置km時(shí)每個(gè)cluster的行標(biāo)題。它必須是格式為“。*％i。*”的文本，其中“％i”由cluster的索引替換
split?=?NULL,
#split:行按照split定義的向量或者數(shù)據(jù)框進(jìn)行分裂。但是，如果cluster_rows是聚類(lèi)對(duì)象，則split可以是單個(gè)數(shù)字，表示將根據(jù)樹(shù)上的拆分來(lái)拆分行
gap?=?unit(1,?“mm”),
#gap:如果熱圖按行分割，則行切片之間的間隙應(yīng)為單位對(duì)象。如果是矢量，則熱圖中的順序?qū)?yīng)于從上到下
combined_name_fun?=?function(x)?paste(x,?collapse?=?“/”),
#combined_name_fun:如果熱圖按行分割，如何為每個(gè)切片創(chuàng)建組合行標(biāo)題？?此函數(shù)的輸入?yún)?shù)是一個(gè)向量，它包含split中每列下的級(jí)別名稱(chēng)。
width?=?NULL,
#width:單個(gè)熱圖的寬度應(yīng)該是固定的單位對(duì)象。?當(dāng)熱圖附加到熱圖列表時(shí)，它用于布局。
show_heatmap_legend?=?TRUE,
#show_heatmap_legend:是否展示圖例
heatmap_legend_param?=?list(title?=?name),
#heatmap_legend_param：熱圖圖例設(shè)置（標(biāo)題，位置，方向，高度等）參數(shù)列表，詳情可見(jiàn)color_mapping_legend，ColorMapping-method。例如：heatmap_legend_param?=?list(title=?“legend”,?title_position?=”topcenter”,
legend_height=unit(8,”cm”),legend_direction=”vertical”)
use_raster?=?FALSE,
#use_raster：是否將熱圖圖像體渲染為光柵圖像。當(dāng)矩陣很大時(shí)，它有助于減小文件大小。如果設(shè)置了cell_fun，則強(qiáng)制use_raster為FALSE
raster_device?=?c(“png”,?“jpeg”,?“tiff”,?“CairoPNG”,?“CairoJPEG”,?“CairoTIFF”),
#raster_device：用于生成光柵圖像的圖形設(shè)備
raster_quality?=?2,
#raster_quality：設(shè)置為大于1的值將改善光柵圖像的質(zhì)量。
raster_device_param?=?list()
#raster_device_param：所選圖形設(shè)備的其他參數(shù)列表。
)
實(shí)操篇
1)首先構(gòu)建測(cè)試數(shù)據(jù)集
mat?=?rbind(mat,?matrix(rnorm(40,?-2),?4,?10))????#產(chǎn)生一個(gè)4行10列共40個(gè)平均值是-2的矩陣并與8行10列的矩陣合并成一個(gè)12行10列的矩陣
rownames(mat)?=?letters[1:12]????#行名為a-l
colnames(mat)?=?letters[1:10]????#列名為a-j
require(circlize)????#加載circlize包，準(zhǔn)備為熱圖設(shè)定需要的顏色參數(shù)
2)簡(jiǎn)單熱圖
我們總是對(duì)圖形帶給我們的直觀感受贊不絕口。那么我們就先來(lái)看看單個(gè)熱圖的設(shè)計(jì)圖形是什么樣子的吧。
單個(gè)熱圖由熱圖主體和熱圖組件組成。 熱圖主體可以按行和列分割。 熱圖組件是標(biāo)題，樹(shù)形圖，矩陣名稱(chēng)和熱圖注釋?zhuān)鼈兎旁趆eamap體的四個(gè)側(cè)面上。
熱圖列表是熱圖和熱圖注釋列表的串聯(lián)，圍繞熱圖列表，有全局的標(biāo)題和圖例。熱圖列表的一個(gè)重要內(nèi)容是所有熱圖和注釋的行（如果熱圖列表是水平的，則是行注釋?zhuān)┒急徽{(diào)整，以便所有熱圖和注釋中的相同行對(duì)應(yīng)于相同的特征。行注釋的熱圖列表：
如果是列注釋的話，熱圖列表則是：
name?=?“single?heatmap”,
column_title?=?“good?column”,column_title_side?=?“top”,column_title_gp?=?gpar(fontsize?=?20,?fontface?=?“bold”,col=”red”),column_title_rot?=?0,cluster_columns?=?T,clustering_distance_columns?=”euclidean”,clustering_method_columns?=?“complete”,column_dend_side?=”top”,column_dend_height?=?unit(10,?“mm”),show_column_dend?=TRUE,column_dend_gp?=?gpar(),row_title?=?“luck?row”)
由此，我們可以很方便地更改圖上的熱圖主體和熱圖組件的屬性。#使用調(diào)色板
color?<-colorRamp2(c(-2,?0,?2),?brewer.pal(n=3,?name=”RdBu”))
#隨機(jī)取色
color<-structure(circlize::rand_color(6),?names?=?c(1:6))???????
#漸變色
color?<-?colorRampPalette(c(“blue”,?“red”))(6)???????
color?<-?rainbow(6)?#彩虹色
#還可以用如下方式設(shè)置顏色
color?<-?heat.colors(6)
color?<-?terrain.colors(6)
color?<-?topo.colors(6)
color?<-?cm.colors(6)
Heatmap(mat,?split?=?rep(c(“A”,?“B”),?6))Heatmap(mat,?split?=?data.frame(rep(c(“A”,?“B”),?6),?rep(c(“C”,?“D”),?each?=?6)))
Heatmap(mat,?split?=?data.frame(rep(c(“A”,?“B”),?6),?rep(c(“C”,?“D”),?each?=?6)),?combined_name_fun?=?function(x)?paste(x,?collapse?=?“\n”))
4)熱圖的簡(jiǎn)單注釋
利用HeatmapAnnotation()對(duì)行或列注釋。HeatmapAnnotation()函數(shù)會(huì)生成一個(gè)注釋用的list。改函數(shù)的主要格式是HeatmapAnnotation(df, name, col, show_legend)。
value?=?1:10
ha?=?HeatmapAnnotation(df?=?annotation,?points?=?anno_points(value),
annotation_height?=?c(1,?2))
Heatmap(mat,?top_annotation?=?ha,?top_annotation_height?=?unit(2,?“cm”),?
bottom_annotation?=?ha)
5)熱圖助力可視化腫瘤外顯子高頻突變基因的突變類(lèi)型分布展示
如果有任何問(wèn)題，歡迎點(diǎn)擊上方按鈕咨詢(xún)我們。
關(guān)注百邁客云，隨時(shí)隨地學(xué)習(xí)
最近文章
京公網(wǎng)安備 11011302003368號(hào)