R語言ComplexHeatmap繪製複雜熱圖heatmap

2022-06-25 14:01:51

一載入R包資料

1.1 載入ComplexHeatmap包，資料

為更貼近生信使用場景，直接使用內建的基因表達資料

library(ComplexHeatmap)
expr = readRDS(paste0(system.file(package = "ComplexHeatmap"), "/extdata/gene_expression.rds"))
#檢視資料
str(expr)
expr[1:4,c(1:4,25:27)]

拿到一個新資料後，除了檢查[1:4,1:4]外，也許還需要看看最後幾列，另外還需要觀察列名稱的規律。

去除最後幾列，或者只選取列名字包含cell的（TCGA資料處理中也會經常遇到）

mat = as.matrix(expr[, grep("cell", colnames(expr))])

1.2 繪製最簡單的熱圖

Heatmap(mat)

二常見“表型”註釋

文獻中經常見到的就是在熱圖的top 或者 bottom位置新增樣本的變異資訊，臨床資訊等的註釋，本節介紹如何實現以及常見的設定。

2.1讀入註釋檔案

anno <- read.csv("anno.csv",header = T) #非真實資料，隨便設定
head(anno)    sample stage age#1 s1_cell01     1  56#2 s2_cell02     2  43#3 s3_cell03     2  63#4 s4_cell01     3  23#5 s5_cell02     1   8#6 s6_cell03     3   3

2.2新增註釋，且設定顏色

2.2.1 顏色設定

1) 連續變數：指定色系，根據變數範圍設定顏色範圍

col_fun2 <- colorRamp2(
  c(0, 50, 100),  #根據值的範圍設定
  c("#ff7f00", "white", "#1f78b4")
)

2)分類變數：直接指定顏色編碼

#stage = c("1" = "red", "2" = "green", "3" = "blue" , "4" = "orange") #分類

2.2.2 新增註釋

使用HeatmapAnnotation函數進行註釋，新增待註釋的內容

ha &lt;- HeatmapAnnotation(
  age = anno$age,
  stage = anno$stage,
  col = list( 
    age = col_fun2 , #連續
    stage = c("1" = "red", "2" = "green", "3" = "blue" , "4" = "orange") #分類
  )
)

1）註釋位置

#指定註釋位置，範例為top_annotation，此外可選 bottom_annotation ,right_annotation ，left_annotation

Heatmap(
  mat, 
  top_annotation = ha  
)

熱圖上面註釋樣本的臨床等資訊，實現！

2）指定多個註釋位置

當需要註釋的內容較多時候，可以選擇在不同的位置。需要預先根據待註釋的位置進行指定

column_ha <- HeatmapAnnotation(
  bar1 = anno_barplot(runif(24))
)
row_ha <- rowAnnotation(
  bar2 = expr$chr
)
Heatmap(
  mat, 
  show_row_names = F ,
  #cluster_rows = F ,
  top_annotation = ha ,
  bottom_annotation = column_ha, #對應的註釋
  right_annotation = row_ha
)

其他常用調整的函數

#cluster_rows/columns ：是否進行聚類

#show_column/row_dend ：是否顯示聚類樹

#column/row_dend_side ：聚類圖繪製的位置

#column_dend_height/row_dend_widht ：聚類樹的高度和寬度

三新增“塊”註釋

常見的是根據聚類（kmeans等）或者先驗知識分為幾個簇，然後對簇進行註釋。

3.1 k-means指定K個數

1）樣本設定分為4組，基因分為3組，同時設定每個“簇”的顏色和標籤

set.seed(1234)
Heatmap(mat, 
        top_annotation = HeatmapAnnotation(foo = anno_block(gp = gpar(fill = 1:4),
                                                            labels = c("group1", "group2", "group3", "group4"), 
                                                            labels_gp = gpar(col = "white", fontsize = 10))),
        column_km = 4, # 列分為4個k
        left_annotation = rowAnnotation(foo = anno_block(gp = gpar(fill = 2:4),
                                                         labels = c("group1", "group2", "group3"), 
                                                         labels_gp = gpar(col = "white", fontsize = 10))),
        row_km = 3, #
        show_row_names = F 
)

2）設定 text的顏色

Heatmap(mat, 
        top_annotation = HeatmapAnnotation(foo = anno_block(gp = gpar(fill = 1:4),
                                                            labels = c("group1", "group2", "group3", "group4"), 
                                                            labels_gp = gpar(col = "white", fontsize = 10))),
        column_km = 4,
        left_annotation = rowAnnotation(foo = anno_block(gp = gpar(fill = 2:4),
                                                         labels = c("group1", "group2", "group3"), 
                                                         labels_gp = gpar(col = "white", fontsize = 10))),
        row_km = 3,
        show_row_names = F ,
        row_title_gp = gpar(
          col =  rainbow(5)[2:4],
          font = 1:3
        ),
        row_names_gp = gpar(
          col =  rainbow(5)[2:4],
          fontsize = 10:12
        ),
        column_title_gp = gpar(
          fill = rainbow(5)[1:4],
          alpha = 0.5
        ),
        column_names_gp = gpar(
          col = rainbow(5)[1:4]
        )
        )

關於顏色可選#rainbow，heat.colors，terrain.colors，topo.colors，cm.colors

3.2 先驗知識知道樣本分為幾個簇

指定樣本新增列註釋，假設mat中的24個樣本，已知是分別為10個，10個和4個的三組。

實際應用中可以根據年齡段，性別，臨床分析，預後評分等指標進行的分組。

split =  c( rep(c("A","B"),10) , rep("C",4) ) 
ha = HeatmapAnnotation(foo = anno_block(gp = gpar(fill = 2:6), labels = c("AA","BB","CC") ))
col_fun = colorRamp2(c(0, 5, 10, 20), c("white", "cornflowerblue", "yellow", "red"))

使用column_split 函數即可按照指定拆分

Heatmap(mat,  
        name = "mat_cluster",
        column_split = split, 
        top_annotation = ha, 
        cluster_rows = T,
        cluster_columns =  F,
        #rect_gp = gpar(col="white"),  #新增白色格子線
        column_title = NULL)

3.3 根據富集結果新增行註釋

文獻中經常見到一些基因富集的通路作為行註釋的圖，怎麼實現呢？

1）自定義通路結果（也可以是其他想展示的內容）

group <- list(
  A = "Cell cycle",
  B = "Mismatch repair",
  C = "DNA replication"
)

2）新增空白註釋

ha = rowAnnotation(
  foo = anno_empty(
    border = FALSE, 
    # 計算空白註釋的寬度
    width = max_text_width(unlist(group)) + unit(4, "mm"))
)

3）通過向量拆分對應的行和列

Heatmap(mat, name = "mat", 
        #cluster_rows = T,
        show_row_names = F,
        right_annotation = ha,
        row_split = c( rep(c("A","B"),30) , rep("C",95) ) , 
        column_split = rep(c("C", "D"), 12))

4）新增註釋塊以及註釋文字

for(i in 1:3) {
  decorate_annotation(
    "foo", 
    # 選擇熱圖塊
    slice = i, {
      # 新增顏色框
      grid.rect(
        x = 0, 
        width = unit(2, "mm"), 
        gp = gpar(
          fill = rainbow(3)[i], 
          col = NA
        ), 
        just = "left"
      )
      # 繪製文字
      grid.text(
        group[[i]], 
        x = unit(4, "mm"), 
        gp = gpar(
          col = rainbow(3)[i]
        ),
        just = "left")
    })
}

需要注意的是這裡需要對應好，各位有更好的方法希望不吝告知。

四目標基因分析

4.1 標籤展示目標基因

使用anno_mark() 函數展示目標基因，至少需要兩個引數，通過at 提供原始資料矩陣的索引，labels 為相應的文字標記。

1）讀取待展示的基因名稱，也可以是geneList的向量

name &lt;- read.table('name.txt', header = T, check.names = FALSE)
head(name)
#    gene#1  gene3#2 gene53#3  gene6#4 gene78#5  gene7#6  gene9

2）獲取目標基因對應的矩陣位置；

genelist &lt;- name$gene
index &lt;- which(rownames(mat) %in% genelist)
#得到對應的文字標籤；
labs &lt;- rownames(mat)[index]

3）使用labels_gp調整字型大小；

lab2 = rowAnnotation(foo = anno_mark(at = index,
                                     labels = labs,
                                     labels_gp = gpar(fontsize = 8),
                                     lines_gp = gpar()))

標籤展示目標基因

Heatmap(mat, name = "mat", 
        cluster_rows = T, 
        right_annotation = lab2,
        row_names_side = "right", 
        show_row_names = F,
        row_names_gp = gpar(fontsize = 4))

4.2 繪製目標基因熱圖

大部分熱圖存在基因太多的情況，重點展示目的基因。

heatmap4 <- Heatmap(
  mat, name = "expression"
)
heatmap

4.2.1 在總圖中提取出來目標基因的熱圖，顏色與大圖一致

提取目的基因所在的位置進行繪製

heatmaph4[c(1,5,6,8,9,80,144,74),]

這種方式是在總的熱圖中直接提取目的基因的部分，熱圖的顏色與總的熱圖一致。

4.2.2 提取基因資料重新繪製熱圖

labs2 &lt;- c("gene1",  "gene5",  "gene6",  "gene8",  "gene9",  "gene80" ,"gene144", "gene74")
mat2 &lt;- as.data.frame(mat) %&gt;%
  rownames_to_column("gene") %&gt;%
  filter( gene %in% labs2  ) %&gt;% 
  column_to_rownames("gene")
Heatmap(mat2)

注意區別

參考資料：

https://jokergoo.github.io/ComplexHeatmap-reference/book/a-single-heatmap.html

註釋及基因檔案均為隨便設定的，可根據資料情況自行更改

以上就是R語言ComplexHeatmap繪製複雜熱圖heatmap的詳細內容，更多關於R語言ComplexHeatmap熱圖的資料請關注it145.com其它相關文章！

R語言ComplexHeatmap繪製複雜熱圖heatmap

目錄

一載入R包資料

1.1 載入ComplexHeatmap包，資料

1.2 繪製最簡單的熱圖

二常見“表型”註釋

2.1讀入註釋檔案

2.2新增註釋，且設定顏色

2.2.1 顏色設定

2.2.2 新增註釋

三新增“塊”註釋

3.1 k-means指定K個數

3.2 先驗知識知道樣本分為幾個簇

3.3 根據富集結果新增行註釋

四目標基因分析

4.1 標籤展示目標基因

4.2 繪製目標基因熱圖

熱門文章

R語言ComplexHeatmap繪製複雜熱圖heatmap

目錄

一 載入R包 資料

1.1 載入ComplexHeatmap包，資料

1.2 繪製最簡單的熱圖

二 常見“表型”註釋

2.1讀入註釋檔案

2.2新增註釋，且設定顏色

2.2.1 顏色設定

2.2.2 新增註釋

三 新增“塊”註釋

3.1 k-means指定K個數

3.2 先驗知識知道樣本分為幾個簇

3.3 根據富集結果新增行註釋

四 目標基因分析

4.1 標籤展示目標基因

4.2 繪製目標基因熱圖

熱門文章

一載入R包資料

二常見“表型”註釋

三新增“塊”註釋

四目標基因分析