library(ComplexHeatmap)
library('circlize')
setwd("C:\\Users\\Administrator.DESKTOP-4UQ3Q0K\\Desktop")
data <- read.table("RNA-seq-2.txt",header = T,row.names = 1,sep="\t",check.names = F)
# library("readxl")
# data <- read_excel("RNA-seq-2.xlsx")
library(dplyr)
library(ggplot2)
library(ggrepel)
data <- data[c(-9,-10,-11,-12,-13,-14,-15,-16,-17,-18,-19,-20,-21,-22)]
data<-as.numeric(as.matrix(data))
# 归一化数据，由于scale函数默认对列进行转化，所以进行两次转置
df_scaled <-t(scale(t(data)))

#转化为矩阵并对其进行归一化：
madt<-as.matrix(data)
madt2<-t(scale(t(madt)))
#默认参数绘制普通热图
Heatmap(madt2)

报错：Error in hclust(get_dist(submat, distance), method = method) : 
  NA/NaN/Inf in foreign function call (arg 10)
test <- data[apply(data, 1, function(x) sd(x)!=0),]

pheatmap(test,scale = "row")

有两千多个基因所以堆在一起，后面将基因减到50个

#计算数据大小范围
range(madt2)
#重新定义热图颜色梯度：
mycol=colorRamp2(c(-1.7, 0.3, 2.3),c("blue", "white", "red"))
#绘制基础环形热图：
circos.heatmap(madt2,col=mycol)
circos.clear()#绘制完成后需要使用此函数完全清除布局
#在circos.heatmap()中添加参数进行环形热图的调整和美化：
circos.par(gap.after=c(50))
circos.heatmap(madt2,col=mycol,dend.side="inside",rownames.side="outside",
rownames.col="black",
rownames.cex=0.9,
rownames.font=1,
cluster=TRUE)
circos.clear()
#circos.par()调整圆环首尾间的距离，数值越大，距离越宽
#dend.side：控制行聚类树的方向，inside为显示在圆环内圈，outside为显示在圆环外圈
#rownames.side：控制矩阵行名的方向,与dend.side相同；但注意二者不能在同一侧，必须一内一外
#cluster=TRUE为对行聚类，cluster=FALSE则不显示聚类
#聚类树的调整和美化(需要用到两个别的包）：
install.packages("dendextend")#改颜色
install.packages("dendsort")#聚类树回调
library(dendextend)
library(dendsort)
circos.par(gap.after=c(50))
circos.heatmap(madt2,col=mycol,dend.side="inside",rownames.side="outside",track.height = 0.38,
rownames.col="black",
rownames.cex=0.9,
rownames.font=1,
cluster=TRUE,
dend.track.height=0.18,
dend.callback=function(dend,m,si) {
color_branches(dend,k=15,col=1:15)
}
)
circos.clear()
#track.height：轨道的高度，数值越大圆环越粗
#dend.track.height：调整行聚类树的高度
#dend.callback：用于聚类树的回调，当需要对聚类树进行重新排序，或者添加颜色时使用
#包含的三个参数：dend：当前扇区的树状图；m：当前扇区对应的子矩阵；si：当前扇区的名称
#color_branches():修改聚类树颜色

#添加列名：
circos.track(track.index=get.current.track.index(),panel.fun=function(x,y){
if(CELL_META$sector.numeric.index==1){
cn=colnames(madt2)
n=length(cn)
circos.text(rep(CELL_META$cell.xlim[2],n)+convert_x(0.8,"mm"),#x坐标
7.8+(1:n)*1.1,#y坐标
cn,cex=0.8,adj=c(0,1),facing="inside")
}
},bg.border=NA)
circos.clear()

Error: Your circular plot has not been initialized yet!
出现这种问题的原因是，上面进行circos.clear（），下边的添加列和上面是一起的，分开就会出现报错
解决（之一）：

circos.initializeWithIdeogram()
text(0, 0, "default", cex = 1)

或删掉circos.clear（）试试。

如何提取热图聚类簇中的基因？

library(pheatmap)
df1 <- read.table("RNA-seq-2.txt",header = T,row.names = 1,sep="\t",check.names = F)
#自定义渐变色；
mycol = colorRampPalette(c("purple", "white","orange"))(100)
#创建分组颜色条所需的数据框；
Group = factor(c(rep("case",4), rep("control",4)))
anndf <- data.frame(Group)
# 报错：Error in `.rowNamesDF<-`(x, value = value) : 'row.names'的长度不对   解决办法：
df1 <- df1[c(-9,-10,-11,-12,-13,-14,-15,-16,-17,-18,-19,-20,-21,-22)]
rownames(anndf) <- colnames(df1)

#自定义分组颜色条的颜色；
anncol = list(Group=c(case="#99CC00",control="#FF9900"))

#绘制热图；
#对热图中的文字字号，聚类树高度，渐变颜色条做了自定义；
#同时，根据聚类结果在行和列方向都添加了“gap”；
htmap<- pheatmap(df1, scale = "row",
border="white",
cellwidth = 18,
cellheight = 6,
color = mycol,
cutree_rows=4,
cutree_cols=4,
fontsize = 7,
fontsize_col = 6,
fontsize_row = 6,
treeheight_row=30,
treeheight_col=30,
annotation_col=anndf,
annotation_colors=anncol,
annotation_legend=F,
legend_breaks=c(-2.5,-1.5,0,1.5,2.5),
legend_labels=c("-2.5","-1.5","0","1.5","2.5"),
angle_col = 90)

#按照热图的聚类顺序获取全部基因列表；
order <- htmap$tree_row$order
genelist <- row.names(df1)[order]
#查看前8个；
genelist[1:8]
#提取热图的行方向（基因）的聚类树；
cluster <- htmap$tree_row
#绘制聚类树；
plot(cluster,hang = -1,cex=0.6,axes=FALSE,ann=FALSE)

#对聚类树进行分簇；
cut <- cutree(cluster,2)
cut
#然后，获取第2簇的genes,注意第2簇位于热图的上方;
(genes<- names(cut)[cut==2])
#提取相应的表达量数据；
(genesdf <- df1[genes,])
#导出到本地；
write.csv(genesdf,file = "genesdf_4.csv")

df_scaled <- t(scale(t(df1)))
#接下来获得数据的范围；
range(df_scaled)
# [1] -1.577570  2.474874
#然后，根据数据范围建立自定义颜色映射关系；
#green-red;
col_fun = colorRamp2(c(-1.6,0.4,2.4), c("greenyellow","white", "red"))
#准备分组颜色条数据；
class = anno_block(gp = gpar(fill = c("#c77cff","#FF9999","#99CC00","#FF9900"),
                             col="white"),height = unit(5, "mm"),
                   labels = c("case", "control"),
                   labels_gp = gpar(col = "white", fontsize = 8,fontface="bold"))
group= HeatmapAnnotation(group=class)
#绘制聚类热图，注意，Heatmap函数其实可以直接指定现有的聚类树的；
Heatmap(df_scaled,
        rect_gp = gpar(col="white"),
        row_names_gp = gpar(fontsize = 6),
        column_names_gp = gpar(fontsize = 8),
        col = col_fun,
        column_split = 4,
        row_split = 4,
        column_title = NULL,
        row_title = NULL,
        cluster_rows = TRUE,
        show_row_dend = TRUE,   #当基因数较多时可以隐藏行方向的聚类树 = FALSE；
        top_annotation =group,
        name = "Exp")