之前我们交替介绍了pheatmap和ComplexHeatmap的热图画法，ComplexHeatmap其实是pheatmap的升级版，包含其大多数功能。小编觉得掌握这两个包就可以解决大多数热图问题了，当然了，很多功能我们也没有涉及，因为太细节化了，需要大家自己在实践中探究学习，至于其他的个性化热图呈现我们下节再讲！
还是用上节的数据，利用ComplexHeatmap包中的pheatmap函数作图。
setwd("D:/生物信息学")
A <- read.csv("行列注释.csv",header = T,row.names = 1)
library(ComplexHeatmap)
A <- as.matrix(A) #将表达矩阵转化为matrix
pheatmap(A,scale = "row")
简单画一个热图，虽然看似函数很像之前讲的，但是实质不一样，这个是基于ComplexHeatmap包的。
之后的行列信息注释与之前所讲一样，相同的操作手法。
annotation_col = data.frame(
group = c(rep("ST",3),rep("TZ",3),rep("TL",5),rep("TS",4),rep("TQ",3)),
Stage = c(rep("Stage0", 3), rep("Stage1",8), rep("Stage2", 4), rep("Stage3",3)),
Age = c(rep("30",2),rep("35",2),rep("30",4),rep("45",3),rep("34",3),rep("33",2),rep("31",2)),
Sex = c(rep("F",3),rep("M",3),rep("F",6),rep("M",5),rep("F",1))
)
row.names(annotation_col) <- colnames(A)
annotation_row = data.frame(
Biological_process = c(rep("Immune response",20), rep("Proteoglycans in cancer", 13),
rep("Glycolysis",18),rep("Endocytosis",35)),
Pathway = c(rep("Wnt",20), rep("Inflammatory",32),rep("HIF",34))
)
row.names(annotation_row) <- rownames(A)
然后作图，与之前所讲不同之处在于热图截断时不是靠随机的聚类，而是可以自己根据分组截断，更加人性化。
B <- pheatmap(A, scale = "row",show_rownames = F,#不显示行名
show_colnames = F,#不显示列名
col = colorRampPalette(c("navy","white","firebrick3"))(100),
annotation_col = annotation_col, #列注释信息
annotation_row = annotation_row,#行注释信息
row_split = annotation_row$Pathway,#行截断（按照pathway，不像之前随机）
column_split = annotation_col$group,#列截断
annotation_names_row = F,#不显示行注释信息
annotation_names_col = F ,#不显示列注释信息
column_title = NULL,#不显示列标题
row_title = NULL)#不显示行标题
然后还可以复习一下之前讲的，热图只显示感兴趣的基因。
genes <- c("S100A8",
"ILF2",
"RPS27",
"HAX1",
"PBXIP1",
"KRTCAP2",
"FDPS",
"DAP3",
"TRAF3IP3",
"EPRS",
"CAPN2",
"SRP9",
"VAMP8",
"VAMP5",
"MAL",
"DUSP2",
"ZAP70")
genes <- as.data.frame(genes)
B + rowAnnotation(link = anno_mark(at = which(rownames(A) %in% genes$genes),
labels = genes$genes, labels_gp = gpar(fontsize = 10)))
ComplexHeatmap包随机出现的染色搭配小编觉得都还可以，所以不再修饰颜色，修饰的方法和之前一样。其实到这里我们注意到每画一次热图就会随机设置一种颜色，所以为了保持一致，最好设置随机种子（seed（））。
如果有两个热图(B和C)想要在一起排列，可以利用如下非常简单的代码：
B + C
到这里还没有结束，这个热图还可以更加复杂，在其行列再加入一些信息，这里举个例子，具体按照具体情况设置。假设我们要展示每个基因的平均表达量，并将其在热图体现，就可以这么做，在原来的热图上加一列：
baseMean = rowMeans(A)#求个平均值
pheatmap(A, scale = "row",show_rownames = F,
show_colnames = F,
col = colorRampPalette(c("navy","white","firebrick3"))(100),
annotation_col = annotation_col,
annotation_row = annotation_row,
row_split = annotation_row$Pathway,
column_split = annotation_col$group,
annotation_names_row = F,
annotation_names_col = F ,
column_title = NULL,
row_title = NULL)+
Heatmap(baseMean,show_row_names = F)
ComplexHeatmap还有超级多的功能，有兴趣可以去探索，看看作者原文。这里讲的已经够用了，没必要把所有的都学会。不过如果后面在文献中见到其他有趣的图，我们还是会去复现，讲解做法的！
下节预告---想讲一下ggplot2画热图，将这个是因为ggplot2在画图界YYDS，而且ggplot修饰性和操作也更多，也许会有不一样的火花！
记得点赞+关注，学习不迷路！！！
