分类： 医学研究
ComplexHeatmap是Zuguang Gu博士开发的一款可以绘制复杂热图的一个包，即可实现简单热图的功能，更能绘制更复杂的热图。复杂的热图有效地可视化不同数据集源之间的关联并揭示潜在模式。ComplexHeatmap包提供了一种高度灵活的方式来排列多个热图并支持各种注释图形。
ComplexHeatmap简介篇
本文所有内容引用：Zuguang Gu, Roland Eils and Matthias Schlesner, Complex heatmaps reveal patterns and correlations in multidimensional genomic data, Bioinformatics, 2016
图1 甲基化图谱的绘制
图2 甲基化、表达谱及其他基因组属性相关性绘图
图3 Upset plot
ComplexHeatmap安装篇
1)可从 Bioconductor获得：
install.packages(“BiocManager”)
BiocManager::install(“ComplexHeatmap”)
2)从Bioconductor下载ComplexHeatmap_1.18.1.tar.gz，然后：
3)新版本可从GitHub上获得：
install_github(“jokergoo/ComplexHeatmap”)
总而言之，请费尽心机把这个包安装到你的R中
参数详情篇
#matrix：数字或字符型矩阵（可以是离散或连续型数值）
#col:定义热图颜色，对离散型数据，col可以是一个向量；对连续型数据，col可以是一个函数，也可以用colorRamp2 函数生成
#name:热图图例名称
na_col = “grey”,
#ComplexHeatmap允许数据中含有NA,需要通过参数na_col来控制NA的颜色
color_space = “LAB”,
#当矩阵是数值型矩阵，col是一个向量时，控制内插颜色
rect_gp = gpar(col = NA),
#rect_gp:热图体区矩形的参数，如设置举行边框为白色
cell_fun = NULL,
#cell_fun：自定义在cell中增加绘图项的函数。7个参数：i(row index,矩阵中的行index）, j(column index，矩阵中的列index), x,y(热图体区中中间点的坐标）,width,height(cell的宽度和高度）,fill(cell的填充颜色）
row_title = character(0),
#row_title：行标题
row_title_side = c(“left”, “right”),
#row_title_side：行标题位置，左(“left”)，右(“right”)
row_title_gp = gpar(fontsize = 14),
#row_title_gp:设置行标题的文本属性，此处为字体大小为14
row_title_rot = switch(row_title_side[1], “left” = 90, “right” = 270),
#row_title_rot:行标题的旋转角度，可选为0,90,270
column_title = character(0),
#column_title：列标题
column_title_side = c(“top”, “bottom”),
#column_title_side：列标题位置，上(“top”)，下(“bottom”)
column_title_gp = gpar(fontsize = 14),
#column_title_gp：设置列标题的文本属性
column_title_rot = 0,
#column_title_rot：列标题的旋转角度，可选为0,90,270
cluster_rows = TRUE,
#cluster_rows:是否行聚类
clustering_distance_rows = “euclidean”,
#clustering_distance_rows：行聚类的距离方法，默认为“euclidean”，也可以为自定义函数
clustering_method_rows = “complete”,、
#clustering_method_rows:行聚类的方法，默认为“complete”，可参考hclust
row_dend_side = c(“left”, “right”),
#row_dend_side：行聚类树位置，左(“left”)，右(“right”)
row_dend_width = unit(10, “mm”),
#row_dend_width：行聚类树的宽度，unit对象
show_row_dend = TRUE,
#show_row_dend：是否展示行聚类树
row_dend_reorder = TRUE,
#row_dend_reorder:对行重新排序，该值可以是逻辑值或包含用于重新排序行的权重的向量
row_dend_gp = gpar(),
#row_dend_gp：绘图线的图形参数。如果已经提供了带有边渲染的树形图对象，则该参数将被忽略。
row_hclust_side = row_dend_side,
#row_hclust_side：已弃用
row_hclust_width = row_dend_width,
#row_hclust_width：已弃用
show_row_hclust = show_row_dend,
#show_row_hclust：已弃用
row_hclust_reorder = row_dend_reorder,
#row_hclust_reorder：已弃用
row_hclust_gp = row_dend_gp,
#row_hclust_gp：已弃用
cluster_columns = TRUE,
#cluster_columns：是否列聚类
clustering_distance_columns = “euclidean”,
#clustering_distance_columns：列聚类的距离方法，也可以为自定义函数
clustering_method_columns = “complete”,
#clustering_method_columns：列聚类方法，可参考hclust
column_dend_side = c(“top”, “bottom”),
#column_dend_side：列聚类树位置，上(“top”)，下(“bottom”)
column_dend_height = unit(10, “mm”),
#column_dend_height:行聚类树的高度，unit对象
show_column_dend = TRUE,
#show_column_dend:是否展示列聚类树
column_dend_gp = gpar(),
#column_dend_gp:绘图线的图形参数。如果已经提供了带有边渲染的树形图对象，则该参数将被忽略。
column_dend_reorder = TRUE,
#column_dend_reorder：对列重新排序，该值可以是逻辑值或包含用于重新排序列的权重的向量
column_hclust_side = column_dend_side,
#column_hclust_side：已弃用
column_hclust_height = column_dend_height,
#column_hclust_height：已弃用
show_column_hclust = show_column_dend,
#show_column_hclust：已弃用
column_hclust_gp = column_dend_gp,
#column_hclust_gp：已弃用
column_hclust_reorder = column_dend_reorder,
#column_hclust_reorder：已弃用
row_order = NULL,
#row_order：行的顺序。如果选择此热图作为主热图，则可以轻松调整热图列表的行顺序。手动设置行顺序应关闭群集
column_order = NULL,
#column_order：列的顺序。它可以轻松调整矩阵和列注释的列顺序
row_names_side = c(“right”, “left”),
#row_names_side：行名称位置。
show_row_names = TRUE,
#show_row_names：是否展示行名称
row_names_max_width = default_row_names_max_width(),
#row_names_max_width：行名称的最大宽度。因为某些时候行名称可能很长，所以显示它们都是不合理的。
row_names_gp = gpar(fontsize = 12),
#row_names_gp：行名称文本属性
column_names_side = c(“bottom”, “top”),
#column_names_side：列名称位置
show_column_names = TRUE,
#show_column_names：是否展示列名称
column_names_max_height = default_column_names_max_height(),
#column_names_max_height：行名称的最大宽度。
column_names_gp = gpar(fontsize = 12),
#column_names_gp：列名称文本属性
top_annotation = new(“HeatmapAnnotation”),
#top_annotation：用HeatmapAnnotation函数构建的注释对象，在顶部添加注释信息
top_annotation_height = top_annotation@size,
#top_annotation_height：顶部注释信息展示的总高度
bottom_annotation = new(“HeatmapAnnotation”),
#bottom_annotation：用HeatmapAnnotation函数构建的底部注释对象
bottom_annotation_height = bottom_annotation@size,
#bottom_annotation_height：底部注释信息展示的总高度
km = 1,
#km：对行做k-means聚类的类数，若k>1,热图会根据k-means聚类对行进行分裂,对每个cluster,进行层次聚类
km_title = “cluster%i”,
#km_title：设置km时每个cluster的行标题。它必须是格式为“。*％i。*”的文本，其中“％i”由cluster的索引替换
split = NULL,
#split:行按照split定义的向量或者数据框进行分裂。但是，如果cluster_rows是聚类对象，则split可以是单个数字，表示将根据树上的拆分来拆分行
gap = unit(1, “mm”),
#gap:如果热图按行分割，则行切片之间的间隙应为单位对象。如果是矢量，则热图中的顺序对应于从上到下
combined_name_fun = function(x) paste(x, collapse = “/”),
#combined_name_fun:如果热图按行分割，如何为每个切片创建组合行标题？ 此函数的输入参数是一个向量，它包含split中每列下的级别名称。
width = NULL,
#width:单个热图的宽度应该是固定的单位对象。 当热图附加到热图列表时，它用于布局。
show_heatmap_legend = TRUE,
#show_heatmap_legend:是否展示图例
heatmap_legend_param = list(title = name),
#heatmap_legend_param：热图图例设置（标题，位置，方向，高度等）参数列表，详情可见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：是否将热图图像体渲染为光栅图像。当矩阵很大时，它有助于减小文件大小。如果设置了cell_fun，则强制use_raster为FALSE
raster_device = c(“png”, “jpeg”, “tiff”, “CairoPNG”, “CairoJPEG”, “CairoTIFF”),
#raster_device：用于生成光栅图像的图形设备
raster_quality = 2,
#raster_quality：设置为大于1的值将改善光栅图像的质量。
raster_device_param = list()
#raster_device_param：所选图形设备的其他参数列表。
)
实操篇
1)首先构建测试数据集
mat = rbind(mat, matrix(rnorm(40, -2), 4, 10)) #产生一个4行10列共40个平均值是-2的矩阵并与8行10列的矩阵合并成一个12行10列的矩阵
rownames(mat) = letters[1:12] #行名为a-l
colnames(mat) = letters[1:10] #列名为a-j
require(circlize) #加载circlize包，准备为热图设定需要的颜色参数
2)简单热图
我们总是对图形带给我们的直观感受赞不绝口。那么我们就先来看看单个热图的设计图形是什么样子的吧。
单个热图由热图主体和热图组件组成。 热图主体可以按行和列分割。 热图组件是标题，树形图，矩阵名称和热图注释，它们放在heamap体的四个侧面上。
热图列表是热图和热图注释列表的串联，围绕热图列表，有全局的标题和图例。热图列表的一个重要内容是所有热图和注释的行（如果热图列表是水平的，则是行注释）都被调整，以便所有热图和注释中的相同行对应于相同的特征。行注释的热图列表：
如果是列注释的话，热图列表则是：
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，我们可以很方便地更改图上的热图主体和热图组件的属性。#使用调色板
color <-colorRamp2(c(-2, 0, 2), brewer.pal(n=3, name=”RdBu”))
#随机取色
color<-structure(circlize::rand_color(6), names = c(1:6))
#渐变色
color <- colorRampPalette(c(“blue”, “red”))(6)
color <- rainbow(6) #彩虹色
#还可以用如下方式设置颜色
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)热图的简单注释
利用HeatmapAnnotation()对行或列注释。HeatmapAnnotation()函数会生成一个注释用的list。改函数的主要格式是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)热图助力可视化肿瘤外显子高频突变基因的突变类型分布展示
如果有任何问题，欢迎点击上方按钮咨询我们。
关注百迈客云，随时随地学习
最近文章
京公网安备 11011302003368号