如想获得图例代码和数据，请到公众号“小杜的生信筆記”中回复“20220117”，链接有效期2022.17-2022.2.17（特别申明：该数据仅是演示数据，无任何意义）
教程详细讲解：
01：热图添加指定的基因标记（代码重现）| 收藏 - 知乎
02：热图添加指定的基因标记（代码重现）-公众号
来源：基迪奥生信平台-热图添加指定基因
高分文章图例
image
image
一、绘图
导入相关的包
ComplexHeatmap在线帮助文档:https://jokergoo.github.io/ComplexHeatmap-reference/book/
#从Bioconductor安装稳定版；
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
#安装ComplexHeatmap包；
BiocManager::install("ComplexHeatmap")
#载入ComplexHeatmap和circlize包；
library(ComplexHeatmap)
library(circlize)
导入数据
## 导入数据
df <- read.table("heatmap_inputdata.txt", header = T, row.names = 1)
head(df)
> head(df)
Control_01 Control_02 Control_03 Treat_01 Treat_02 Treat_03
gene01 11 11 11 10 11 10
gene02 14 14 14 13 14 13
gene03 14 14 14 13 14 13
gene04 7 7 7 6 7 6
gene05 11 11 11 11 11 10
gene06 14 14 14 13 14 12
归一化数据
#对数据进行归一化；
#由于scale函数默认对列进行归一化，因此这里做了两次转置；
df_scaled <- t(scale(t(df)))
#查看归一化后的数据前6行；
head(df_scaled)
绘制基础型热图
#初步尝试绘制热图；
Heatmap(df_scaled,row_names_gp = gpar(fontsize = 6)
,column_names_gp = gpar(fontsize = 8),
name = "Exp")
image
计算数据范围大小
#接下来计算获得数据的大小范围；
range(df_scaled)
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(-2,0,2), c("greenyellow","white", "red"))
#green-purple;
col_fun = colorRamp2(c(-2,0,2), c("greenyellow","white", "purple"))
#purple-orange;
col_fun = colorRamp2(c(-2,0,2), c("purple","white", "orange"))
#使用自定义渐变色绘制热图；
Heatmap(df_scaled,row_names_gp = gpar(fontsize = 6),
column_names_gp = gpar(fontsize = 8),
col = col_fun,
name = "Exp")
CompleHeatmap 中相关的参数
#隐藏行聚类树；
Heatmap(df_scaled,row_names_gp = gpar(fontsize = 6),
column_names_gp = gpar(fontsize = 8),
col = col_fun,
# show_row_dend = FALSE, ## 隐藏行聚类
# show_column_dend = FALSE, ## 隐藏列聚类
show_row_names = FALSE, ## 隐藏行名
# show_column_names = FALSE, ## 隐藏列名
name = "Exp")
heatmap_legend_param参数设定图例的格式（标题，位置，方向，高度等）
Heatmap(df_scaled,
heatmap_legend_param = list(title= "legend", ## 标题
title_position = "", ## 位置
legend_height=unit(4,"cm"), ## 高度
legend_direction="vertical")) ## 方向、vertical竖直，horizontal横直
# title = , 标题
# title_position = 位置
# 'arg'应当是“topleft”, “topcenter”, “leftcenter”, “lefttop”, “leftcenter-rot”, “lefttop-rot”
# legend_height = ， 图例高度
legend_direction= 图例方向，vertical竖直，horizontal横直
row_title和column_title参数设定行和列的标题
Heatmap(df_scaled,
row_title = "Test_data", # 列的标题
column_title = "Test_data") # 行的标题
clustering_distance_rows参数设定行聚类的距离方法，默认为"euclidean"
Heatmap(df_scaled, clustering_distance_rows = function(x) dist(x))
Heatmap(df_scaled, clustering_distance_rows = function(x, y) 1 - cor(x, y))
clustering_method_rows参数设定行聚类的方法，默认为"complete", "single"
Heatmap(df_scaled, clustering_method_rows = "complete")
row_dend_side参数设定行聚类树放置的位置
Heatmap(df_scaled, row_dend_side = "right")
km参数设定对行进行kmeans聚类分组的类数
Heatmap(df_scaled, km = 4, row_title_gp = gpar(col=rainbow(4)),
row_names_gp = gpar(col=rainbow(4), fontsize=20),
show_row_names = F)
使用add_heatmap函数组合多个热图或注释信息
add_heatmap(h1, h2)
添加小图形
## # 添加point注释信息
ha = HeatmapAnnotation(points = anno_points(1:217, ## 你的基因数量
which = "row",
gp= gpar(col=rainbow(12))))
add_heatmap(h1, ha)
添加barplot注释信息
ha = HeatmapAnnotation(barplot = anno_barplot(1:217,
which = "row",
bar_width=0.4,
gp= gpar(fill="red")),which = "row")
add_heatmap(h1, ha)
生成分组颜色条注释；
#生成分组颜色条注释；
class = anno_block(gp = gpar(fill = c("#c77cff","#FF9999","#99CC00","#FF9900"),
col="white"),height = unit(5, "mm"),
labels = c("TESA", "TESB", "TESD","TESC"),
labels_gp = gpar(col = "white", fontsize = 8,fontface="bold"))
group= HeatmapAnnotation(group=class)
##-----------------------------------------------------------------------------
#为热图添加分组颜色条；
Heatmap(df_scaled,
row_names_gp = gpar(fontsize = 6),
column_names_gp = gpar(fontsize = 8),
col = col_fun,
column_split = 4,
column_title = NULL,
cluster_rows = TRUE,
show_row_dend = FALSE,
show_row_names = FALSE,
top_annotation =group,
name = "Exp")
image
“小杜的生信筆記” 公众号、知乎、简书平台，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料！
