我的编程空间,编程开发者的网络收藏夹
学习永远不晚

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

这篇“怎么使用R语言ComplexHeatmap绘制复杂热图heatmap”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“怎么使用R语言ComplexHeatmap绘制复杂热图heatmap”文章吧。

一 载入R包 数据

1.1 载入ComplexHeatmap包,数据

为更贴近生信使用场景,直接使用内置的基因表达数据

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

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

拿到一个新数据后,除了检查[1:4,1:4]外,也许还需要看看最后几列,另外还需要观察列名称的规律。

去除最后几列,或者只选取列名字包含cell的(TCGA数据处理中也会经常遇到)

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

1.2 绘制最简单的热图

Heatmap(mat)

二 常见“表型”注释

文献中经常见到的就是在热图的top 或者 bottom位置添加样本的变异信息,临床信息等的注释,本节介绍如何实现以及常见的设置。

读入注释文件

anno <- read.csv("anno.csv",header = T) #非真实数据,随便设置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

2.1 添加注释,且设置颜色

1.1 颜色设置

1) 连续变量:指定色系,根据变量范围设置颜色范围

col_fun2 <- colorRamp2(  c(0, 50, 100),  #根据值的范围设置  c("#ff7f00", "white", "#1f78b4"))

2)分类变量:直接指定颜色编码

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

1.2 添加注释

使用HeatmapAnnotation函数进行注释,添加待注释的内容

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

1)注释位置

#指定注释位置 ,示例为top_annotation,此外可选 bottom_annotation ,right_annotation ,left_annotation

Heatmap(  mat,   top_annotation = ha  )

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

热图上面注释样本的临床等信息,实现!

2) 指定多个注释位置

当需要注释的内容较多时候,可以选择在不同的位置。需要预先根据待注释的位置进行指定

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, #对应的注释  right_annotation = row_ha)

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

其他常用调整的函数

#cluster_rows/columns :是否进行聚类

#show_column/row_dend :是否显示聚类树

#column/row_dend_side :聚类图绘制的位置

#column_dend_height/row_dend_widht :聚类树的高度 和 宽度

三 添加“块”注释

常见的是根据聚类(kmeans等)或者 先验知识 分为几个簇,然后对簇进行注释。

3.1 k-means指定K个数

1)样本设置分为4组,基因分为3组,同时设置每个“簇”的颜色和标签

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, # 列分为4个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 )

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

2)设置 text的颜色

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]        )        )

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

关于颜色可选#rainbow,heat.colors,terrain.colors,topo.colors,cm.colors

3.2 先验知识知道样本分为几个簇

指定样本添加列注释,假设mat中的24个样本,已知是分别为10个,10个 和4个的三组 。

实际应用中可以根据 年龄段,性别,临床分析,预后评分等指标进行的分组。

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 函数即可按照指定拆分

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

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

3.3 根据富集结果添加行注释

文献中经常见到 一些基因富集的通路作为 行注释的图,怎么实现呢?

1)自定义通路结果(也可以是其他想展示的内容)

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

2)添加空白注释

ha = rowAnnotation(  foo = anno_empty(    border = FALSE,     # 计算空白注释的宽度    width = max_text_width(unlist(group)) + unit(4, "mm")))

3)通过向量拆分对应的行和列

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)添加注释块 以及 注释文本

for(i in 1:3) {  decorate_annotation(    "foo",     # 选择热图块    slice = i, {      # 添加颜色框      grid.rect(        x = 0,         width = unit(2, "mm"),         gp = gpar(          fill = rainbow(3)[i],           col = NA        ),         just = "left"      )      # 绘制文本      grid.text(        group[[i]],         x = unit(4, "mm"),         gp = gpar(          col = rainbow(3)[i]        ),        just = "left")    })}

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

需要注意的是 这里需要对应好,各位有更好的方法希望不吝告知。

四 目标基因分析

4.1 标签展示目标基因

使用anno_mark() 函数展示目标基因,至少需要两个参数,通过at 提供原始数据矩阵的索引,labels 为相应的文本标记。

1)读取待展示的基因名称,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)获取目标基因对应的矩阵位置;

genelist &lt;- name$geneindex &lt;- which(rownames(mat) %in% genelist)#得到对应的文本标签;labs &lt;- rownames(mat)[index]

3)使用labels_gp调整字体大小;

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

标签展示目标基因

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

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

4.2 绘制目标基因热图

大部分热图存在基因太多的情况,重点展示目的基因 。

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

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

2.1 在总图中提取出来目标基因的热图,颜色与大图一致

提取目的基因所在的位置进行绘制

heatmaph5[c(1,5,6,8,9,80,144,74),]

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

这种方式是在总的热图中直接提取目的基因的部分,热图的颜色与总的热图一致。

2.2 提取基因数据重新绘制热图

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)

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

以上就是关于“怎么使用R语言ComplexHeatmap绘制复杂热图heatmap”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注编程网行业资讯频道。

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

怎么使用R语言ComplexHeatmap绘制复杂热图heatmap

这篇“怎么使用R语言ComplexHeatmap绘制复杂热图heatmap”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“怎么
2023-07-02

怎么使用ComplexHeatmap绘制单个热图

这篇文章主要介绍“怎么使用ComplexHeatmap绘制单个热图”,在日常操作中,相信很多人在怎么使用ComplexHeatmap绘制单个热图问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”怎么使用Compl
2023-07-02

怎么用R语言绘制散点图

小编给大家分享一下怎么用R语言绘制散点图,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获,下面让我们一起去了解一下吧!散点图是将所有的数据以点的形式展现在直角坐标系上,以显示变量之间的相互影响程
2023-06-08

使用R语言怎么绘制一个折线图

这篇文章给大家介绍使用R语言怎么绘制一个折线图,内容非常详细,感兴趣的小伙伴们可以参考借鉴,希望对大家能有所帮助。在R中的通过使用plot()函数来创建线形图,语法如下:plot(v,type,col,xlab,ylab)参数描述如下:v
2023-06-14

使用R语言怎么绘制一个直方图

使用R语言怎么绘制一个直方图?针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。语法使用R语言创建直方图的基本语法是hist(v,main,xlab,xlim,ylim,brea
2023-06-14

使用R语言怎么绘制一个饼状图

今天就跟大家聊聊有关使用R语言怎么绘制一个饼状图,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。什么是R语言R语言是用于统计分析、绘图的语言和操作环境,属于GNU系统的一个自由、免费、
2023-06-14

使用R语言怎么绘制函数曲线图

这期内容当中小编将会给大家带来有关使用R语言怎么绘制函数曲线图,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。R 中 curve() 函数可以绘制函数的图像,代码格式如下:curve(expr, from
2023-06-15

使用R语言怎么绘制双坐标图直方图

这期内容当中小编将会给大家带来有关使用R语言怎么绘制双坐标图直方图,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。什么是R语言R语言是用于统计分析、绘图的语言和操作环境,属于GNU系统的一个自由、免费、源代
2023-06-14

使用R语言怎么绘制坐标

使用R语言怎么绘制坐标?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。绘制坐标有时候我们绘制坐标的时候,需要改变坐标轴的定义,我们以日期为横坐标绘制时间序列为例讲解先列举简单的例
2023-06-14

怎么用R语言绘制饼图和条形图

这篇文章给大家分享的是有关怎么用R语言绘制饼图和条形图的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。R 语言提供来大量的库来实现绘图功能。饼图,或称饼状图,是一个划分为几个扇形的圆形统计图表,用于描述量、频率或百
2023-06-08

怎么用R语言绘制函数曲线图

这篇文章主要讲解了“怎么用R语言绘制函数曲线图”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“怎么用R语言绘制函数曲线图”吧!函数曲线图是研究函数的重要工具。R 中 curve() 函数可以绘
2023-06-08

R语言中怎么用ggplot2绘制qq图和boxplot图

要使用ggplot2绘制qq图和boxplot图,首先需要加载ggplot2库。然后,根据数据集的特点选择合适的函数来创建相应的图。绘制qq图可以使用ggplot2库中的geom_qq()函数,它需要提供一个数据集和一个变量。以下是一个示
2023-10-24

利用R语言怎么绘制一个折线图

这篇文章将为大家详细讲解有关利用R语言怎么绘制一个折线图,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。R语言中的plot()函数用于创建折线图。语法在R语言中创建折线图的基本语法是 -plo
2023-06-14

R语言怎么利用ggplot2绘制QQ图和箱线图

这篇文章主要介绍了R语言怎么利用ggplot2绘制QQ图和箱线图的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇R语言怎么利用ggplot2绘制QQ图和箱线图文章都会有所收获,下面我们一起来看看吧。绘制qq图在g
2023-07-02

怎么在R语言中使用ggplot2绘制分组散点图

这篇文章将为大家详细讲解有关怎么在R语言中使用ggplot2绘制分组散点图,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。1. 首先载入ggplot2包,library(ggplot2)2.
2023-06-14

怎么用R语言绘制Bubble Matrix气泡矩阵图

这篇文章主要介绍“怎么用R语言绘制Bubble Matrix气泡矩阵图”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“怎么用R语言绘制Bubble Matrix气泡矩阵图”文章能帮助大家解决问题。对于
2023-06-29

怎么在R语言中使用density plot进行绘图

这期内容当中小编将会给大家带来有关怎么在R语言中使用density plot进行绘图,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。Step1. 绘图数据的准备首先还是要把你想要绘图的数据调整成R语言可以识
2023-06-08

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录