R包ComplexHeatmap繪製個性化熱圖

2021-01-18 宏基因組
使用ComplexHeatmap包繪製個性化熱圖

作者：劉夢瑤 諾禾致源 微生物信息

審稿：劉永鑫 中國科學院遺傳與發育生物學研究所

ComplexHeatmap包由顧祖光博士創建，是一個非常全面的繪製熱圖的R包，可以利用它來繪製許多文獻中的美圖，例如下圖展示的16S文獻分析中的熱圖。這裡主要介紹一下如何用這個R包來繪製類似的個性化熱圖。

檢測安裝加載包

# 檢測安裝CRAN包
package_list = c("circlize","grid","BiocManager")
for(p in package_list){
if (!requireNamespace(p, quietly = TRUE))
   install.packages(p)
}
# 檢測安裝bioconductor包
package_list = c("ComplexHeatmap")
for(p in package_list){
if (!requireNamespace(p, quietly = TRUE))
   BiocManager::install(p)
}

# 加載依賴包
library(circlize)
library(grid)
library(ComplexHeatmap)

創建測試數據集

可以按照的Bioconductor官網上ComplexHeatmap包的說明來創建一個測試數據（http://bioconductor.org/packages/release/bioc/vignettes/ComplexHeatmap/inst/doc/s2.single_heatmap.html ）

# 設置隨機數種子，保證數據分析隨機過程可重複
set.seed(123)
# 生成模擬數據：12行成10列矩陣
mat = cbind(rbind(matrix(rnorm(16, -1), 4),
                 matrix(rnorm(32, 1), 8)),
           rbind(matrix(rnorm(24, 1), 4),
                 matrix(rnorm(48, -1), 8)))
# 隨機重排
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)

一行命令繪圖

使用默認參數，一行命令即可出圖

#默認對行和列都進行聚類
Heatmap(mat)

調參美化

下面我們通過參數設置來進行個性化熱圖定製。

使用HeatmapAnnotation函數可以構建注釋對象，我們可以進行自定義，也可以直接使用它的內置函數。

注釋按位置來分類可分為行注釋和列注釋，以列注釋為例，其內置函數按照圖形的類型可以分為6種，anno_points()，anno_barplot()，anno_boxplot()，anno_histogram()，anno_density()，anno_text()。

行注釋的內置函數和列注釋類似，前面加上row即可，如row_anno_points()。
詳細示例可參照網址：http://bioconductor.org/packages/release/bioc/vignettes/ComplexHeatmap/inst/doc/s4.heatmap_annotation.html 。

本文重點討論anno_points()的用法。

# 生成包含10個0.5數值的向量
value = rep(0.5,10)
# 設置值、形狀、大小、顏色等
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」為這一行注釋的名稱，show_annotation_name = FALSE，即不顯示名稱。pch可指定繪製點時使用的符號，共25種，如上三角，下三角，圓形，方形等，具體可見《R In Action》。size可指定符號的大小，gp可指定符號的顏色。

# 批量按行中心標準化，減均值除方差，Z-score
mat_scaled = apply(mat, 1, scale)
# 繼續原數據表列名
rownames(mat_scaled) = colnames(mat)
# 轉置才與原方向一致
mat_scaled = t(mat_scaled)
# 通過circlize包中的colorRamp2()函數，來自定義顏色
col_fun = circlize::colorRamp2(c(-3, 0, 3), c("black", "white", "yellow"))
# 新矩陣
shape<-mat_scaled
# 循環元素篩選，變為+或空，顯著標記常用
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]<-"";
       }}}

如需對數據進行標準化，需使用apply函數來處理數據。我們可以通過circlize包中的colorRamp2()函數，來自定義顏色。對mat_scaled的數值進行篩選，生成一個符號是加號或空值的新數據框。這一部分可以根據作圖要求來自定義。

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可定義圖例的名稱。top_annotation 可引用上面定義好的列注釋, 並將列注釋放在heatmap上方；bottom_annotation 則將列注釋放在heatmap下方。rect_gp定義小方格的邊框顏色，線條類型及寬度。cell_fun可以對heatmap的每個小方格進行自定義，這裡用其來顯示」+」號，也可以顯示數字等。cluster_rows和cluster_columns可定義是否聚類。row_names_side可定義行名的顯示位置，默認值right。column_names_side可定義列名的顯示位置，默認值bottom。row_names_gp可定義列名的顏色。

# 行名第一列
texta = c("A","B","C","D","EEEEE","F","G","H","I","J","K","L")
# 行注釋，寬度為最大文本
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))
# 添加行名注釋
ht_list = P1 + ha_texta + ha_textb
# 添加圖例對應文字、形狀和顏色
lgd = legendGrob(c("A","B","C","D","E"), pch = c(19,15,24,23,3),gp= gpar(col =c("#bf94e4","#bf94e4","#1dacd6","#1dacd6","red")))
# 繪圖，添加熱圖圖例左，注釋圖例
draw(ht_list,heatmap_legend_side = "left",annotation_legend_list = list(lgd))

rowAnnotation中max_text_width可計算得到列名中最長的文本寬度，legendGrob可自定義圖例的名稱，形狀，顏色。

猜你喜歡

10000+：菌群分析 寶寶與貓狗 梅毒狂想曲 提DNA發Nature Cell專刊 腸道指揮大腦

系列教程：微生物組入門 Biostar 微生物組  宏基因組

專業技能：學術圖表 高分文章 生信寶典 不可或缺的人

一文讀懂：宏基因組 寄生蟲益處 進化樹

必備技能：提問 搜索  Endnote

文獻閱讀 熱心腸 SemanticScholar Geenmedical

擴增子分析：圖表解讀 分析流程 統計繪圖

16S功能預測   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在線工具：16S預測培養基 生信繪圖

科研經驗：雲筆記  雲協作 公眾號

編程模板: Shell  R Perl

生物科普:  腸道細菌 人體上的生命 生命大躍進  細胞暗戰 人體奧秘  

寫在後面

為鼓勵讀者交流、快速解決科研困難，我們建立了「宏基因組」專業討論群，目前己有國內外5000+ 一線科研人員加入。參與討論，獲得專業解答，歡迎分享此文至朋友圈，並掃碼加主編好友帶你入群，務必備註「姓名-單位-研究方向-職稱/年級」。PI請明示身份，另有海內外微生物相關PI群供大佬合作交流。技術問題尋求幫助，首先閱讀《如何優雅的提問》學習解決問題思路，仍末解決群內討論，問題不私聊，幫助同行。

學習16S擴增子、宏基因組科研思路和分析實戰，關注「宏基因組」

點擊閱讀原文，跳轉最新文章目錄閱讀

相關焦點

  • complexHeatmap版本的對角線熱圖
    寫在前面這幾天看到一直有人在重複這個圖，之前看到過base plot的版本，看到過ggplot2的版本。這裡就把之前使用complexheatmap繪製的版本也拿來和大家分享一下。主要操作加載包注意：ComplexHeatmap包的安裝需要安裝github版本的。很多函數在bioconductor版本沒有。
  • 一個heatmap是如何練成的!(後附視頻解析)
    Heatmap（熱圖）大家肯定不陌生，在很多醫學、自然科學發表的重量級論文中常見其蹤影。
  • 學R語言太難?薦你一款heatmap作圖神器
    特別福利：關註解螺旋微信號，回復關鍵詞"05月"，可索取2016年5月資源包：UCSC+TCGA資料庫教程作者
  • TCGA|根據somatic mutation繪製突變景觀圖(oncoplot)和基因詞雲
    > 使用 XENA下載的TCGA-LAML.mutect2_snv.tsv文件繪製基因詞雲和突變景觀圖
  • SNP連鎖不平衡圖(LD)可視化R包LDheatmap的使用
    LDheatmap就是這樣一個能夠可視化SNPs之間連鎖不平衡關係的R包。先舉個小例子：隨機創建100個樣本5個SNPs的基因型矩陣，並實現LD熱圖：rm(list=ls())set.seed(1)gdat<-matrix(rbinom(n=500,size=2,prob=.5),ncol=5) require(chopsticks)gdat<-as(gdat,"snp.matrix
  • python-高維數據型圖表--熱力圖、樹形圖
    熱力圖熱力圖(heat map)一種將規則化矩陣數據轉換成顏色色調的常用的可視化方法；每個單元對應數據的某些屬性；屬性的值通過顏色映射轉換為不同色調並填充規則單元；表格坐標的排列和順序都可以通過參數控制；適合的坐標排列和順序可以很好地發現數據的不同性質；繪製熱力圖樹形圖
  • 破解oncomine無法免費下載數據,學員開發了一款R語言包(附教程)
    而今日我就將Oncomine的數據下載、R語言包Oncomine的具體使用教程分享給大家，與君共勉。打開Oncomine網頁，在基因搜索框內輸入EGFR，再輸入Bladder Cancer，可進入到一個條形型圖的網頁，當把滑鼠放在條形圖上時，會出現黃色的浮標，來提示一些數據信息，此為我們要獲取的數據。
  • Python學習筆記:繪製極坐標圖和散點圖的繪製與保存
    1.簡單極坐標圖#導入繪製極圖所需要的包import matplotlib.pyplot as pltimport numpy as np#設置下面所需要的參數barSlices = 12#theta指每個標記所在射線與極徑的夾角，下面表示均分角度theta = np.linspace(0.0
  • R語言可視化之UpSetR包
    今天介紹一個R包UpSetR，專門用來集合可視化，來源於UpSet，Python裡面也有一個相似的包py-upset。此外還有個UpSetR shiny app以及原始碼.UpSetR內置的數據集movies來繪製。
  • 利用R語言進行層次聚類分析以及繪製樹狀圖
    樹形圖（dendrogram）是表示樹的圖。
  • 如何用R繪製精美的散點圖
    R可以繪製出很棒的統計圖形，之前我們介紹了用R繪製柱狀圖。今天，小編帶著小夥伴們一起來了解下散點圖的繪製。小編自己看代碼的時候也覺得枯燥乏味，看圖片比看代碼輕鬆多了。所以我們先上圖。上圖就是通過R繪製出的散點圖，看起來也很漂亮。那麼，這種散點圖是如何繪製的呢？感興趣的小夥伴就請繼續看下面的代碼。
  • R語言 | R語言繪製抖動散點圖和蜂群圖
    本篇通過R語言自帶的一個小數據集，展示使用ggplot2包
  • 使用Pandas,Seaborn和Plotly繪製漂亮的圖表
    目錄· 我的Python繪圖歷史· 分布的重要性· 加載數據和包導入· 快速：使用Pandas進行基本繪圖· 漂亮：與Seaborn的高級繪圖· 很棒：使用plotly創建出色的交互式圖我使用Python繪圖的歷史大約兩年前，我開始更認真地學習Python。
  • R語言繪製動態圖
    ./")總結一下：這張圖其實應該在上面的循環中應該繪製一樣的大小，然後在合併圖片的時候才能展示出比較好的結果。title = 'Year: {frame_time}', x = 'GDP per capita', y = 'life expectancy') + transition_time(year) + ease_aes('linear')anim_save("gganimate1.gif")總結一下：gganimate包的使用參數還是很多的
  • 用R繪製最完整中國地圖
    我們前邊用三篇推文介紹了用R對世界地圖搭配數據的繪製，分別是：用ggplot2包繪製主要地區和城市的疫情格局：用tmap包繪製國家/地區水平的整體情況：如何用R繪製新冠病毒世界格局（二）（附完整代碼）。
  • 用Seaborn繪製圖表
    Seaborn可以很好地處理數據幀，而Matplotlib則不行，它可以讓你以更簡單的方式繪製引人注目的圖表。小提琴圖小提琴圖與箱線圖相似。小提琴圖是箱線圖非常有用的替代品。它們通過小提琴的厚度來顯示分布，而不只是簡要的統計。眾所周知，小提琴圖在分析和可視化數據集中不同屬性的分布時非常方便。在本例中，我們將使用上一個示例中的相同數據幀副本。
  • R語言中使用stem函數繪製莖葉圖
    前面的文章中介紹了均值、方差、全距、幾何平均數等的計算方法，還給出了繪製條形圖，直方圖，散點圖，餅圖，箱線圖等的繪製方法，本文將介紹統計學中的另外一種圖的繪製方法：莖葉圖。歡迎感興趣的讀者關注本號，本號會詳細介紹R在各個方面的使用方法。
  • R語言繪圖 | R繪製火山圖 EnhancedVolcano+ggplot
    火山圖其實是一種很形象的叫法，它可以通過關注對象的落點從而直觀地展示該對象的所屬區域。其通常用於展示差異結果，比如RNA-seq差異基因展示。讀懂了「火山」火星噴射的落點橫縱坐標意義，就讀懂了火山圖：R繪製火山圖下面就進入主題，用R繪製火山圖，我們的教程小白也能看懂哦😊！R包：Enhanced Volcano Plot的實例操作解說 EnhancedVolcano by Kevin Blighe1. 安裝if (!
  • 聚類樹和PCA等排序圖的組合繪製
    , col = NA) #添加聚類，如 UPGMA 聚類tree <- hclust(dist(scale(dat), method = 'euclidean'), method = 'average')plot(tree) ordicluster(p, tree, col = 'gray')排序圖繪製以二維散點圖