目录
前言
ComplexHeatmap可以绘制很复杂的热图，能满足日常以及文章所需，本次先简单的介绍单个热图绘制的内容。
单个热图由热图主体和热图组件组成。其中主体可分为行和列；组件可以是标题、树状图、矩阵名称和热图注释，在主图的四周均可，且顺序可调整。
一 载入数据，R包
1.1 载入ComplexHeatmap包
#if (!requireNamespace("BiocManager", quietly = TRUE))
# install.packages("BiocManager")
#BiocManager::install("ComplexHeatmap")
library(ComplexHeatmap)
1.2 载入数据
为更贴近生信使用场景，直接使用内置的基因表达数据
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)]
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))])
1.3 绘制最简单的热图
Heatmap(mat)
可以看到有很多需要“美化”的地方，别急，一点点来。
二 热图修饰
2.1 颜色
1）连续型变量
可以使用circle::colorRamp2()函数来生成Heatmap()中的颜色映射函数，输入参数为分割位置以及分割点上的颜色。下例中，大于12的值都映射为红色，小于12的值映射为绿色；
library(circlize)
#c中的范围要根据实际情况设置
col_fun = colorRamp2(c(8, 12, 16), c("green", "white", "red"))
Heatmap(mat, name = "mat", col = col_fun)
2）分类型变量
更改分类变量的颜色，需要把所有分类的数字均进行赋值。
discrete_mat = matrix(sample(1:4, 100, replace = TRUE), 10, 10)
colors = structure(1:4, names = c("1", "2", "3", "4")) # black, red, green, blue
Heatmap(discrete_mat, name = "mat", col = colors,
column_title = "a discrete numeric matrix")
更多颜色修改请参考官方文档，文末的参考资料的链接。
2.2 标题
1）设置行，列和图例的标题
Heatmap(mat,
name = "legend title", #图例title
column_title = "I am a column title", #列title
row_title = "I am a row title",
column_title_side = "bottom") #行title
2）设置标题的位置，颜色，字体，大小
Heatmap(mat, name = "mat",
row_title = "row title",
row_title_rot = 0, #旋转方向
column_title = "I am a big column title",
column_title_side = "bottom", #标题位置
column_title_gp = gpar(fontsize = 20, fontface = "bold",col = "red")) #颜色，字体，大小
3）设置标题的背景
column_title_gp中的填充参数来设置标题的背景颜色
Heatmap(mat, name = "mat",
column_title = "I am a column title",
column_title_gp = gpar(fill = "red", col = "white", border = "blue"),
)
2.3 聚类
聚类是热图可视化的关键组成部分，在ComplexHeatmap包中可以非常灵活的进行设置。
A：一般设置
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
Heatmap(mat, name = "mat",</code><code> cluster_columns = T, </code><code> cluster_rows = F, ## turn off row clustering</code><code> show_column_dend = T, ## hide column dendrogram</code><code> show_row_dend = F,</code><code> column_dend_side = "top", #dendrogram location</code><code> column_dend_height = unit(4, "cm"))
注意：聚类树的高度 和 宽度有区别。
B：距离方法
可选计算距离的方式包括pearson, spearman以及kendall ， 或者计算距离的自定义函数。
Heatmap(mat, name = "mat", clustering_distance_rows = "pearson",
column_title = "pre-defined distance method (1 - pearson)")
自定义
Heatmap(mat, name = "mat", clustering_distance_rows = function(x, y) 1 - cor(x, y),
column_title = "a function that calculates pairwise distance")
C：聚类方法
支持hclust()中的聚类方法。
Heatmap(mat, name = "mat", clustering_method_rows = "single")
D：聚类树的渲染
根据聚类结果将聚类树的枝设置不同的颜色
library(dendextend)</code><code>row_dend = as.dendrogram(hclust(dist(mat)))</code><code>row_dend = color_branches(row_dend, k = 4) # `color_branches()` returns a dendrogram object</code><code>Heatmap(mat, name = "mat", </code><code> cluster_rows = row_dend,</code><code> row_dend_width = unit(4, "cm"))
2.4 设置行列顺序
通过row_order/column_order函数自定义其排序，为方便展示选择前30个基因。
mat <- mat[1:30,]
Heatmap(mat, name = "mat",
row_order = order(as.numeric(gsub("gene", "", rownames(mat)))), #将gene1替换为1，在排序
column_order = sort(colnames(mat)),
column_title = "reorder matrix")
注：此处将gene1，gene10 先替换掉gene（不去的话是按照ASCII码），然后按照数值排序。
参考资料：
https://github.com/jokergoo/ComplexHeatmap
https://jokergoo.github.io/ComplexHeatmap-reference/book/a-single-heatmap.html
以上就是ComplexHeatmap绘制单个热图的详细内容，更多关于ComplexHeatmap绘制单个热图的资料请关注其它相关文章！
