快来使用ggheatmap强化你的热图吧！

  • 创作原因

  • 用法

    • 参数

    • 可视化

  • 综合示例

  • 结语

创作原因

目前最为常见的热图绘制R包，主要包括pheatmap和ComplexHeatmap（仅个人使用习惯）。它们强大的功能，基本可以满足所有科研人员的绘图需求。ggplot2的操作灵活性和优秀度是毋庸置疑的，也因此许多绘图包都基本需要ggplot2作为操作对象。为了开发一个基于ggplot2的热图绘制R包，我们开发了ggheatmap包，主要为了解决热图的拼图问题以及热图与ggplot2对象的灵活衔接。

链接：https://github.com/XiaoLuo-boy/ggheatmap

用法

参数

  • data  表达矩阵（data.frame/matrix）
  • color 热图颜色，建议使用colorRampPalette生成
  • legendName 热图主体图例标题，默认为“Express”
  • scale 数据标准化方式（"none", "row" or "column"）
  • cluster_rows 是否对行聚类
  • cluster_cols 是否对列聚类
  • dist_method dist函数选用的方法，默认"euclidean"（可选用"euclidean", "maximum", "manhattan", "canberra", "binary" or "minkowski"）
  • hclust_method hclust函数选用的方法,默认“complete”（可选用"ward.D", "ward.D2", "single", "complete", "average"， "mcquitty", "median"  or "centroid" ）
  • text_angle_rows 行标签角度
  • text_angle_cols 列标签角度
  • text_color_rows 行标签颜色
  • text_color_cols 列标签颜色
  • text_face_rows 行标签字体
  • text_face_cols 列标签字体
  • text_just_rows 行标签位置调整（hjust, vjust）
  • text_just_cols 列标签位置调整（hjust, vjust）
  • text_show_rows 需要特定展示的行标签
  • text_show_cols 需要特定展示的列标签
  • text_position_rows 行标签位置
  • text_position_cols 列标签位置
  • annotation_cols 列注释数据
  • annotation_rows 行注释数据
  • annotation_color 注释颜色
  • annotation_width 注释宽度
  • show_cluster_cols 是否展示列聚类树
  • show_cluster_rows 是否展示行聚类树
  • cluster_num 聚类树分割数目（行，列）
  • tree_height_rows 行聚类树高度
  • tree_height_cols 列聚类树高度
  • tree_color_rows 行聚类树颜色
  • tree_color_cols 列聚类树颜色
  • levels_rows 行标签顺序
  • levels_cols 列标签顺序

可视化

模拟数据

devtools::install_github("XiaoLuo-boy/ggheatmap")
library(ggheatmap)
library(pheatmap)
library(aplot)
set.seed(123)
df <- matrix(runif(600,0,10),ncol = 12)
colnames(df) <- paste("sample",1:12,sep = "")
rownames(df) <- sapply(1:50, function(x)paste(sample(LETTERS,3,replace = F),collapse = ""))
head(df)
#     sample1   sample2  sample3  sample4
# PIK 2.875775 0.4583117 5.999890 8.474532
# KSJ 7.883051 4.4220007 3.328235 4.975273
# WBF 4.089769 7.9892485 4.886130 3.879090
# TNY 8.830174 1.2189926 9.544738 2.464490

说明：由于是随机模拟数据，故每次运行的结果都有所不同。为了验证结果，可以利用pheatmap包进行验证绘图结果的准确性（不一定与本文相同）。

例1.行、列聚类

说明：默认不对行、列聚类

ggheatmap(df,cluster_rows = T,cluster_cols = T)
pheatmap(df,color = colorRampPalette(c( "#0073c2","white","#efc000"))(100))

ggheatmap
pheatmap

例2.数据标准化

说明：默认不标准化

ggheatmap(df,cluster_rows = T,cluster_cols = T,scale = "column")
pheatmap(df,scale = "column",color = colorRampPalette(c( "#0073c2","white","#efc000"))(100))

ggheatmap
pheatmap

例3.图例标题设置

说明：默认图例标题为“Express",NULL将去除图例标题

ggheatmap(df,cluster_rows = T,cluster_cols = T,legendName = "score")
ggheatmap(df,cluster_rows = T,cluster_cols = T,legendName = NULL)

例4.行、列标签设置

  • 位置调整

说明：标签可以自由设置角度，以及水平和垂直调整。同时也支持更换标签的位置改变。

ggheatmap(df,cluster_rows = T,cluster_cols = T,text_angle_rows = 330,text_just_rows = c(1,0))
ggheatmap(df,cluster_rows = T,cluster_cols = T,text_angle_cols = 45,text_just_cols = c(1,1))
ggheatmap(df,cluster_rows = T,cluster_cols = T,text_position_cols = "top")

  • 标签颜色字体设置

说明：标签的颜色或者字体可以是单个字符，也可以是多个同等长度的字符，以实现特定标签展示。比如特异展示标志基因等等

ggheatmap(df,cluster_rows = T,cluster_cols = T,text_color_cols = "red")
ggheatmap(df,cluster_rows = T,cluster_cols = T,text_color_cols = c(rep("black",6),"red",rep("black",5)))
ggheatmap(df,cluster_rows = T,cluster_cols = T,
          text_color_rows = c("red",rep("black",49)),
          text_face_rows = c("bold",rep("italic",49)))

  • 特定标签的展示

说明：ggheatmap支持特定标签的展示，输入原数据存在的行名或者列名，即可展示所需要展示的基因。

text_rows <- sample(rownames(df),3)
text_rows
# "XDV" "WFH" "ALR"
ggheatmap(df,scale = "row",cluster_rows  = T,cluster_cols = T,
          text_show_rows = text_rows)

  • 指定行、列标签的顺序

说明：只有不进行行、列聚类时，该设置才有意义

ggheatmap(df,cluster_rows = F,cluster_cols = F)
ggheatmap(df,cluster_rows = F,cluster_cols = F,
          levels_cols = c(paste("sample",1:12,sep = "")))

例5.聚类树的可视化

  • 设定聚类树的高度

说明：show_cluster_cols或show_cluster_rows必须展示，高度才有设置的意义

ggheatmap(df,cluster_rows = T,cluster_cols = T,show_cluster_cols = F)
ggheatmap(df,cluster_rows = T,cluster_cols = T,tree_height_rows = 0.05,tree_height_cols = 0.05)

  • 聚类树的颜色设定

说明：同上，show_cluster_cols或show_cluster_rows必须展示

ggheatmap(df,cluster_rows = T,cluster_cols = T,cluster_num = c(5,4))
ggheatmap(df,cluster_rows = T,cluster_cols = T,cluster_num = c(5,4),
          tree_color_rows = c("#3B4992FF","#EE0000FF","#008B45FF","#631879FF","#008280FF"),
          tree_color_cols = c("#0073C2FF", "#EFC000FF" ,"#868686FF", "#CD534CFF"))

注释

说明：注释的方式基本同pheatmap

row_metaData <- data.frame(exprtype=sample(c("Up","Down"),50,replace = T),
                           genetype=sample(c("Metabolism","Immune","None"),50,replace = T))
rownames(row_metaData) <- rownames(df)
col_metaData <- data.frame(tissue=sample(c("Normal","Tumor"),12,replace = T),
                           risklevel=sample(c("High","Low"),12,replace = T))
rownames(col_metaData) <- colnames(df)
exprcol <- c("#EE0000FF","#008B45FF" )
names(exprcol) <- c("Up","Down")
genecol <- c("#EE7E30","#5D9AD3","#D0DFE6FF")
names(genecol) <- c("Metabolism","Immune","None")
tissuecol <- c("#98D352","#FF7F0E")
names(tissuecol) <- c("Normal","Tumor")
riskcol <- c("#EEA236FF","#46B8DAFF")
names(riskcol) <- c("High","Low")
col <- list(exprtype=exprcol,genetype=genecol,tissue=tissuecol,risklevel=riskcol)

ggheatmap<- ggheatmap(df,cluster_rows = T,cluster_cols = T,scale = "row",
          cluster_num = c(5,3),
          tree_color_rows = c("#3B4992FF","#EE0000FF","#008B45FF","#631879FF","#008280FF"),
          tree_color_cols = c("#1F77B4FF","#FF7F0EFF","#2CA02CFF"),
          annotation_rows = row_metaData,
          annotation_cols = col_metaData,
          annotation_color = col
)

综合示例

情景：假设在绘制热图的时候，一方面，基因的数量太多；另一方面，你希望展示研究基因在不同样本的表达情况。

Example1

text_rows <- sample(rownames(df),5)
text_rows
# "WFH" "TAC" "MLZ" "KSJ" "BPW"
ggheatmap(df,scale = "row",cluster_rows  = T,cluster_cols = T,cluster_num = c(2,3),
          text_show_rows = text_rows,
          text_face_rows = "bold",
          text_color_rows = "red",
          text_angle_cols = 45,
          text_just_cols = c(1,1),
          tree_color_rows = c( "#3B4992FF","#EE0000FF"),
          tree_color_cols = c("#1F77B4FF","#FF7F0EFF","#2CA02CFF")
          
)

Example2

dat <- data.frame(marker=sample(c(1,NA),50,replace = T),
                  gene=rownames(df),
                  shape=sample(c("T","F"),50,replace = T))
p <- ggplot(dat,aes(x=1,y=gene,size=marker,color=shape,shape=shape))+
  geom_point()+theme_classic()+
  scale_color_manual(values = c("#D2691E","#1E87D2"))+
  theme(line = element_blank(),axis.text = element_blank(),axis.title = element_blank())+
  guides(size = FALSE)

ggheatmap%>%insert_right(p,width = 0.1)

image-20210522143840937

结语

本R包的优势是：1.比较灵活的标签设置；2.实现了heatmap与ggplot2绘图系统的联动，有助于拼图等操作；3.简单易于操作；4.聚类树可视化的优化。

本R依赖了ggplot2、ggpubr、aplot、factoextra、grDevices、stats、tibble、tidyr等R包。作为一名R语言爱好者和生信小白，真心地感激各位开发前辈的无私付出。秉承着“尊重知识，致敬原创”的原则，对于aplot包，作者已经获得余老师的许可。

image-20210522145101212

此外，作为一名医学生，在学习生信和R语言的过程中，实实在在遇到过很多困难。在此特别感激“生信技能树”团队的健明老师及其他老师为众多生信小白的付出。无论是推文教程亦或线上交流群，还是公开课都能够见证各位老师对后辈的关心和照顾。

赞 (0)

相关推荐