我们从今天开始，学习应用complexheatmap的基本知识画一些好看的例子。数据和例子信息参考官方链接：
https://jokergoo.github.io/ComplexHeatmap-reference/book/more-examples.html#more-examples
我们先分解一下这个图的基本结构：最中间是个基因的表达值矩阵，并且做了scale。最上面的是一个关于列的注释。最左边是关于行的分类的块注释，可以看出分成了5类。最右边含有三个三个注释：base mean就是每行的平均值，平均值上面还有一个连续性变量的boxplot。length是长度信息的一个散点图。最右边是基因的类型信息。
所以我们先一步步实现。
先准备输入数据，用到自带的基因表达值数据。
library(ComplexHeatmap)
library(circlize)
expr = readRDS(system.file(package = "ComplexHeatmap", "extdata", "gene_expression.rds"))
mat = as.matrix(expr[, grep("cell", colnames(expr))])
mat_scaled = t(apply(mat, 1, scale)) #标准化
先画最基础的表达值矩阵：
Heatmap(mat_scaled, name = "expression", row_km = 5,
col = colorRamp2(c(-2, 0, 2), c("green", "white", "red")),
show_column_names = FALSE,
row_title = NULL,
show_row_dend = FALSE,
show_row_names = FALSE
)
然后添加最上面的type，可以明显看出是按样品来源分成了三类。然后左边是个块注释。
所以我们把type信息准备成一个列注释来实现。
type = gsub("s\\d+_", "", colnames(mat))
ha = HeatmapAnnotation(pe= type, annotation_name_side = "left")
hf = rowAnnotation(foo = anno_block(gp = gpar(fill = 2:6))) #左边的块注释
Heatmap(mat_scaled, name = "expression", row_km = 5,
col = colorRamp2(c(-2, 0, 2), c("green", "white", "red")),
show_column_names = FALSE,
row_title = NULL,
show_row_dend = FALSE,
show_row_names = FALSE,
top_annotation = ha,
left_annotation=hf
)
注：颜色，我自己就没设置那么一致了，颜色可以自己修改。
下面添加右侧第一个平均值的一个单独heatmap以及上面的bar图。
base_mean = rowMeans(mat) #计算每行的平均值
base_ha = HeatmapAnnotation(summary = anno_summary(gp = gpar(fill = 2:6),height = unit(2, "cm"))) #用我们上个帖子学的，有一个特殊的注释anno_summary()只适用于一列热图或一行热图
Heatmap(mat_scaled, name = "expression", row_km = 5,
col = colorRamp2(c(-2, 0, 2), c("green", "white", "red")),
show_column_names = FALSE,
row_title = NULL,
show_row_dend = FALSE,
show_row_names = FALSE,
top_annotation = ha,
left_annotation=hf
)+
Heatmap(base_mean, name = "base mean", top_annotation =base_ha,
width = unit(10, "mm"),show_row_names = FALSE)
第二张图是基因长度的点图，就是每一行量的长度信息。前面我们讲过，点注释通过anno_points()来实现。
Heatmap(mat_scaled, name = "expression", row_km = 5,
col = colorRamp2(c(-2, 0, 2), c("green", "white", "red")),
show_column_names = FALSE,
row_title = NULL,
show_row_dend = FALSE,
show_row_names = FALSE,
top_annotation = ha,
left_annotation=hf
)+
Heatmap(base_mean, name = "base mean", top_annotation =base_ha,
width = unit(10, "mm"),show_row_names = FALSE)+
rowAnnotation(length = anno_points(expr$length,size = unit(1, "mm"),pch=16,
axis_param = list(at = c(0, 2e5, 4e5, 6e5), labels = c("0kb", "200kb", "400kb", "600kb")),
width = unit(20, "mm")
))
右边最后一个是离散型的变量，关于gene type的显示信息。还是要用到anno_summary()，只不过和base mean不同的是，那个是连续型变量，所以是boxplot，这个是离散型，所以会是堆集柱状图。
gene_ha = HeatmapAnnotation(summary = anno_summary(gp = gpar(fill = c("cyan","pink","green","gold")),height = unit(2, "cm")))
Heatmap(mat_scaled, name = "expression", row_km = 5,
col = colorRamp2(c(-2, 0, 2), c("green", "white", "red")),
show_column_names = FALSE,
row_title = NULL,
show_row_dend = FALSE,
show_row_names = FALSE,
top_annotation = ha,
left_annotation=hf
)+
Heatmap(base_mean, name = "base mean", top_annotation =base_ha,
width = unit(10, "mm"),show_row_names = FALSE)+
rowAnnotation(length = anno_points(expr$length,size = unit(1, "mm"),pch=16,
axis_param = list(at = c(0, 2e5, 4e5, 6e5), labels = c("0kb", "200kb", "400kb", "600kb")),
width = unit(20, "mm")
))+
Heatmap(expr$type, name = "gene type", top_annotation =gene_ha,
width = unit(10, "mm"),show_row_names = FALSE)
这样子，我们就差不多画好刚才例子中的图了。
网友评论