2024-06-16

复杂热图绘制秘籍：用ComplexHeatmap创造数据的视觉奇迹！

小图生信果 2024-04-01 19:02:39

转自公众号：生信图
http://mp.weixin.qq.com/s?__biz=MzkxODUxNDgzNA==&mid=2247486641&idx=1&sn=c452859d23aba637fb5dafc37a909739

hello，相信大家已经对Heatmap这个R包轻车熟路啦，那么你知道如何在热图中展示不同样本的相对丰度嘛？今天小果就来教大家如何用ComplexHeatmap包绘制复杂热图，感兴趣的话就和小果一起看下去吧！！

Heatmap和ComplexHeatmap的区别

在使用之前，小果先来带大家区分一下这两个R包吧！

·功能和灵活性：

Heatmap是R语言中基本的绘制热图的函数，它可以用于简单的热图绘制，但功能相对较为有限。它主要用于展示数值矩阵的颜色编码，不支持添加分组注释、行列聚类等高级功能。ComplexHeatmap是一个由Zuguang Gu开发的R包，它在Heatmap基础上提供了更多高级功能和灵活性。通过 ComplexHeatmap，你可以自定义热图的各个方面，如添加分组注释、自定义颜色映射、行列聚类、调整注释等。它还提供了一系列的辅助函数和参数，使得用户可以进行更复杂、更精细的热图绘制。

·代码复杂度：

由于ComplexHeatmap提供了更多的功能和选项，其使用相对复杂一些，需要更多的代码来完成定制化的热图绘制。Heatmap则相对简单，适用于简单的热图需求或快速实验。

·社区支持：

ComplexHeatmap作为一个专门的R包，拥有更大的社区支持和更广泛的用户群体。你可以在其官方文档、GitHub上找到大量的示例、文档和交流资源，以便在使用时获取帮助和解决问题。相比之下，Heatmap作为R语言的基本函数，其文档和示例相对较少。

综上所述，ComplexHeatmap相对于Heatmap提供了更多的高级功能和灵活性，但也更复杂一些。如果你需要进行复杂的热图绘制，并添加分组注释、调整颜色映射等高级功能，推荐使用ComplexHeatmap。如果你只需要简单的热图展示，或者对R语言不太熟悉，可以使用Heatmap函数完成基本的热图绘制哦。

好啦，现在你了解二者的区别了嘛？那接下来进入我们今天的正题！

ComplexHeatmap绘制复杂热图

·安装与导入R包：

首先，大家可以通过以下代码安装R包哦：

if (!require(“BiocManager”))
install.packages(‘BiocManager’)
if (!require(“ComplexHeatmap”))
BiocManager::install(‘ComplexHeatmap’)
library(ComplexHeatmap)

·准备数据

1.为了绘制热图，我们需要准备相对丰度矩阵及其对应的分组数据表格。小果已经帮你们准备好这两个文件啦，在此将它们命名为”test.csv”和”group.csv”。确保这两个文件要与R脚本位于同一目录下哦：

df <- read.csv(“test.csv”, header = T)
group_df <- read.csv(“group.csv”, header = F)

·数据处理

在开始绘制热图之前，我们需要对数据进行一些处理。首先，我们将按”Class”和”Family”列对矩阵的所有行进行排序。

df <- df[order(df$Class, df$Family), ]

然后，我们将从数据框中提取相对丰度数据，并将其转换为矩阵格式：

mat <- df[-c(1, 2, 3)]
mat <- as.matrix(mat)
row.names(mat) <- df[, 3]

最后，我们获得 class-family-species 对应表格：

df_annotation <- df[c(1, 2, 3)]

·绘制一个简单的热图

为了与后面的热图做比较，我们先来绘制一个简单的热图：

ht <- Heatmap(mat)

绘制的热图如下所示：

然后，我们可以调整参数来简单的美化一下热图。例如，我们可以设置不按行聚类、不展示列名，并设置

热图图例的名称和颜色：

ht <- Heatmap(mat,

cluster_rows = F,

show_column_names = F,

heatmap_legend_param = list(title = “Log2 relative abundance”),

col = c(“#FFFFFF”, “#D32F2F”))

·添加行分组注释和列分组注释

接下来，我们可以生成列分组注释。为此，我们需要设置列分组的颜色和图例顺序：

top_col <- c(“Normal”=”#2196F3”, “Obese”=”#FFEB3B”, “NASH”=”#E91E63”)
top_anno <- HeatmapAnnotation(State = group_df[, 2],

col = list(State = top_col),

annotation_legend_param = list(State = list(at=c(“Normal”, “Obese”, “NASH”))))

同样地，我们也可以生成行分组注释。设置行分组的颜色和图例顺序：

left_col <- c(“Bacteroidaceae”=”#1976D2”, “Marinifilaceae”=”#2196F3”, “Porphyromonadaceae”=”#03A9F4”, “Rikenellaceae”=”#00BCD4”, “Tannerellaceae”=”#B3E5FC”,

“Campylobacteraceae”=”#F8BBD0”,

“Family XI”=”#D32F2F”, “Family XIII”=”#F44336”, “Lachnospiraceae”=”#E64A19”, “Peptostreptococcaceae”=”#FF5722”, “Ruminococcaceae”=”#FFCCBC”,

“Enterobacteriaceae”=”#4CAF50”,

“Leuconostocaceae”=”#FFEB3B”,

“Veillonellaceae”=”#673AB7”)

left_anno <- rowAnnotation(Family = df_annotation[, 2],

show_annotation_name = F,

col = list(Family = left_col),

annotation_legend_param = list(

Family = list(at=c(“Bacteroidaceae”, “Marinifilaceae”,

“Porphyromonadaceae”, “Rikenellaceae”,

“Tannerellaceae”, “Campylobacteraceae”,

“Family XI”, “Family XIII”, “Lachnospiraceae”,

“Peptostreptococcaceae”, “Ruminococcaceae”,

“Enterobacteriaceae”, “Leuconostocaceae”,

“Veillonellaceae”))))

最后，我们可以将之前的设置与热图对象合并，并绘制出最终的热图：

ht <- Heatmap(mat,

cluster_rows = F,

show_column_names = F,

heatmap_legend_param = list(title = “Log2 relative abundance”),

col = c(“#FFFFFF”, “#D32F2F”),

top_annotation = top_anno,

left_annotation = left_anno)

优化后的热图展示如下：

你以为这就是最终结果了嘛？No！！我们还可以进一步细化：

·给Class单独添加图例

如果需要单独绘制一个图例，可以按照以下步骤进行操作：

class <- unique(df_annotation$Class)

然后，我们创建一个 Legend 对象，并设置标签、标题和图例颜色：

lgd <- Legend(labels = class, title = “Class”,

legend_gp = gpar(fill = c(“#1976D2”, “#F8BBD0”, “#D32F2F”, “#4CAF50”, “#FFEB3B”, “#673AB7”)))
pdf(“plot.pdf”, width = 11, height = 10)
draw(ht, ht_gap = unit(7, “mm”), annotation_legend_list = lgd)
dev.off()

好啦，让我们来一起看看绘制的最终结果吧！！