R语言学习笔记之热图绘制

作者简介

taoyan：R语言中文社区特约作家，伪码农，R语言爱好者，爱开源。

个人博客: https://ytlogos.github.io/

简介

本文将绘制静态与交互式热图，需要使用到以下R包和函数：
heatmap():用于绘制简单热图的函数
heatmap.2():绘制增强热图的函数
d3heatmap:用于绘制交互式热图的R包
ComplexHeatmap:用于绘制、注释和排列复杂热图的R&bioconductor包（非常适用于基因组数据分析）

数据准备

使用R内置数据集mtcars

   df <->

使用基本函数绘制简单简单热图

主要是函数heatmap(x, scale='row')

x:数据矩阵

scale：表示不同方向，可选值有：row, columa, none

Default plotheatmap(df, scale = “none”)

Use custom colors

col <- colorramppalette(c('red',="" 'white',="">

heatmap(df, scale = 'none', col=col)

 

#Use RColorBrewer color palette names

library(RColorBrewer)col <- colorramppalette(brewer.pal(10,="">

## [1] 32 11   

heatmap(df, scale = 'none', col=col, RowSideColors = rep(c('blue', 'pink'), each=16),

ColSideColors = c(rep('purple', 5), rep('orange', 6)))

#参数RowSideColors和ColSideColors用于分别注释行和列颜色等,可help(heatmap)详情

增强热图

函数heatmap.2()
在热图绘制方面提供许多扩展，此函数包装在gplots包里。

library(gplots)heatmap.2(df, scale = 'none', col=bluered(100),

trace = 'none', density.info = 'none')#还有其他参数可参考help(heatmap.2())

 

 

交互式热图绘制

d3heatmap包可用于生成交互式热图绘制,可通过以下代码生成： 

if (!require('devtools'))

install.packages('devtools')

devtools::install_github('rstudio/d3heatmap')

   

函数d3heatmap()用于创建交互式热图，有以下功能：

1、将鼠标放在感兴趣热图单元格上以查看行列名称及相应值

2、可选择区域进行缩放

library(d3heatmap)d3heatmap(df, colors = 'RdBu', k_row = 4, k_col = 2)

   

k_row、k_col分别指定用于对行列中树形图分支进行着色所需组数。进一步信息可help(d3heatmap())获取。

使用dendextend包增强热图

软件包dendextend可以用于增强其他软件包的功能

library(dendextend)# order for rows

Rowv <- mtcars="" %="">% scale %>% dist %>%

hclust %>% as.dendrogram %>%

set('branches_k_color', k = 3) %>%

set('branches_lwd', 1.2) %>% ladderize# Order for columns#

We must transpose the data

Colv <- mtcars="" %="">% scale %>% t %>% dist %>%

hclust %>% as.dendrogram %>%

set('branches_k_color', k = 2, value = c('orange', 'blue')) %>% set('branches_lwd', 1.2) %>% ladderize

增强heatmap()函数

---

heatmap(df, Rowv = Rowv, Colv = Colv, scale = 'none')

   

#增强heatmap.2()函数

heatmap.2(df, scale = 'none', col = bluered(100), Rowv = Rowv, Colv = Colv, trace = 'none', density.info = 'none')

 

#增强交互式绘图函数

d2heatmap()d3heatmap(scale(mtcars), colors = 'RdBu', Rowv = Rowv, Colv = Colv)

   

绘制复杂热图

ComplexHeatmap包是bioconductor包，用于绘制复杂热图，它提供了一个灵活的解决方案来安排和注释多个热图。它还允许可视化来自不同来源的不同数据之间的关联热图。可通过以下代码安装：

if (!require('devtools')) install.packages('devtools')

devtools::install_github('jokergoo/ComplexHeatmap')

   

ComplexHeatmap包的主要功能函数是Heatmap(),格式为：Heatmap(matrix, col, name)

  matrix：矩阵

  col：颜色向量（离散色彩映射）或颜色映射函数（如果矩阵是连续数）

  name：热图名称   

library(ComplexHeatmap)

Heatmap(df, name = 'mtcars')

      

#自设置颜色

library(circlize)

Heatmap(df, name = 'mtcars', col = colorRamp2(c(-2, 0, 2), c('green', 'white', 'red')))

  

使用调色板   

Heatmap(df, name = 'mtcars',col = colorRamp2(c(-2, 0, 2), brewer.pal(n=3, name='RdBu')))

     

#自定义颜色

mycol <- colorramp2(c(-2,="" 0,="" 2),="" c('blue',="" 'white',="">

 #热图及行列标题设置

Heatmap(df, name = 'mtcars', col = mycol, column_title = 'Column title', row_title =

'Row title')

 

注意，行标题的默认位置是“left”，列标题的默认是“top”。可以使用以下选项更改：

  row_title_side：允许的值为“左”或“右”（例如：row_title_side =“right”）；

  column_title_side：允许的值为“top”或“bottom”（例如：colum3、n_title_side =“bottom”） 也可以使用以下选项修改字体和大小：

  row_title_gp：用于绘制行文本的图形参数；

  column_title_gp：用于绘制列文本的图形参数；

Heatmap(df, name = 'mtcars', col = mycol, column_title = 'Column title',

column_title_gp = gpar(fontsize = 14, fontface = 'bold'),

row_title = 'Row title', row_title_gp = gpar(fontsize = 14, fontface = 'bold'))

 

 

在上面的R代码中，fontface的可能值可以是整数或字符串：1 = plain，2 = bold，3 =斜体，4 =粗体斜体。如果是字符串，则有效值为：

“plain”，“bold”，“italic”，“oblique”和“bold.italic”。

显示行/列名称：

  show_row_names：是否显示行名称。默认值为TRUE

  show_column_names：是否显示列名称。默认值为TRUE  

Heatmap(df, name = 'mtcars', show_row_names = FALSE)

 

更改聚类外观

默认情况下，行和列是包含在聚类里的。可以使用参数修改：

cluster_rows = FALSE。如果为TRUE，则在行上创建集群；

cluster_columns = FALSE。如果为TRUE，则将列置于簇上。  

# Inactivate cluster on rows

Heatmap(df, name = 'mtcars', col = mycol, cluster_rows = FALSE)

   

如果要更改列集群的高度或宽度，可以使用选项column_dend_height

和row_dend_width：  

Heatmap(df, name = 'mtcars', col = mycol, column_dend_height = unit(2, 'cm'),

row_dend_width = unit(2, 'cm') )

   

我们还可以利用color_branches()自定义树状图外观

   

library(dendextend)

row_dend = hclust(dist(df)) # row clustering

col_dend = hclust(dist(t(df))) # column clustering

Heatmap(df, name = 'mtcars', col = mycol, cluster_rows =

color_branches(row_dend, k = 4), cluster_columns = color_branches(col_dend, k = 2))

   

不同的聚类距离计算方式

参数：

clustering_distance_rows和clustering_distance_columns
用于分别指定行和列聚类的度量标准，允许的值有“euclidean”, “maximum”, “manhattan”, “canberra”, “binary”, “minkowski”, “pearson”, “spearman”, “kendall”。

   

Heatmap(df, name = 'mtcars', clustering_distance_rows = 'pearson',

clustering_distance_columns = 'pearson')

   

#也可以自定义距离计算方式

Heatmap(df, name = 'mtcars', clustering_distance_rows = function(m) dist(m))

   

Heatmap(df, name = 'mtcars', clustering_distance_rows = function(x, y) 1 - cor(x, y))

 

 

请注意，在上面的R代码中，通常为指定行聚类的度量的参数 clustering_distance_rows显示示例。建议对参数clustering_distance_columns（列聚类的度量标准）使用相同的度量标准。

  

# Clustering metric function

robust_dist = function(x, y) {

qx = quantile(x, c(0.1, 0.9)) qy = quantile(y, c(0.1, 0.9)) l = x > qx[1] & x < qx[2]="" &="">

> qy[1] & y < qy[2]="" x="x[l]" y="y[l]" sqrt(sum((x="" -="">

# Heatmap

Heatmap(df, name = 'mtcars', clustering_distance_rows = robust_dist,

clustering_distance_columns = robust_dist,

col = colorRamp2(c(-2, 0, 2), c('purple', 'white', 'orange')))

 

 

聚类方法

参数：

clustering_method_rows和clustering_method_columns可用于指定进行层次聚类的方法。允许的值是hclust()函数支持的值，包括

'ward.D2'，“single”,“complete”，“average”，…（见hclust）。

Heatmap(df, name = 'mtcars', clustering_method_rows = 'ward.D',

clustering_method_columns = 'ward.D')

 

 

热图拆分

有很多方法来拆分热图。一个解决方案是应用k-means使用参数km。
在执行k-means时使用set.seed()函数很重要，这样可以在稍后精确地再现结果

set.seed(1122)

# split into 2 groupsHeatmap(df, name = 'mtcars', col = mycol, k = 2)

 

  

# split by a vector specifying row classes， 有点类似于ggplot2里的分面

Heatmap(df, name = 'mtcars', col = mycol, split = mtcars$cyl )

 

#split也可以是一个数据框，其中不同级别的组合拆分热图的行。

# Split by combining multiple variables

Heatmap(df, name ='mtcars', col = mycol, split = data.frame(cyl = mtcars$cyl, am = mtcars$am))

   

# Combine km and split

Heatmap(df, name ='mtcars', col = mycol, km = 2, split = mtcars$cyl)

 

     

#也可以自定义分割

library('cluster')

set.seed(1122)

pa = pam(df, k = 3)Heatmap(df, name = 'mtcars', col = mycol, split = paste0('pam',

pa$clustering))

   

还可以将用户定义的树形图和分割相结合。在这种情况下，split可以指定为单个数字：

row_dend = hclust(dist(df)) # row clusterin

grow_dend = color_branches(row_dend, k = 4)

Heatmap(df, name = 'mtcars', col = mycol, cluster_rows = row_dend, split = 2)

   

热图注释

利用HeatmapAnnotation()对行或列注释。格式为： HeatmapAnnotation(df, name, col, show_legend)

df：带有列名的data.frame

name：热图标注的名称

col：映射到df中列的颜色列表

   

# Transposedf <->

# Heatmap of the transposed data

Heatmap(df, name ='mtcars', col = mycol)

 

    

# Annotation data frame

annot_df <- data.frame(cyl="mtcars$cyl," am="mtcars$am," mpg="">

# Define colors for each levels of qualitative variables

# Define gradient color for continuous variable (mpg)

col = list(cyl = c('4' = 'green', '6' = 'gray', '8' = 'darkred'), am = c('0' = 'yellow',

'1' = 'orange'), mpg = colorRamp2(c(17, 25), c('lightblue', 'purple')) )

# Create the heatmap annotation

ha <- heatmapannotation(annot_df,="" col="">

# Combine the heatmap and the annotation

Heatmap(df, name = 'mtcars', col = mycol, top_annotation = ha)

      

#可以使用参数show_legend = FALSE来隐藏注释图例

ha <- heatmapannotation(annot_df,="" col="col," show_legend="">

Heatmap(df, name = 'mtcars', col = mycol, top_annotation = ha)

 

  

#注释名称可以使用下面的R代码添加

library('GetoptLong')

# Combine Heatmap and annotation

ha <- heatmapannotation(annot_df,="" col="col," show_legend="">

Heatmap(df, name = 'mtcars', col = mycol, top_annotation = ha)

# Add annotation names on the right

for(an in colnames(annot_df)) {

seekViewport(qq('annotation_@{an}'))

grid.text(an, unit(1, 'npc') + unit(2, 'mm'), 0.5, default.units = 'npc', just = 'left')}

#要在左侧添加注释名称，请使用以下代码

# Annotation names on the left

for(an in colnames(annot_df)) { seekViewport(qq('annotation_@{an}')) grid.text(an,

unit(1, 'npc') - unit(2, 'mm'), 0.5, default.units = 'npc', just = 'left')}

   

复杂注释

将热图与一些基本图形结合起来进行注释，利用anno_point(),anno_barplot()
,anno_boxplot(),anno_density()和anno_histogram()。

# Define some graphics to display the distribution of columns

.hist = anno_histogram(df, gp = gpar(fill = 'lightblue'))

.density = anno_density(df, type = 'line', gp = gpar(col = 'blue'))

ha_mix_top = HeatmapAnnotation(hist = .hist, density = .density)

# Define some graphics to display the distribution of rows

.violin = anno_density(df, type = 'violin', gp = gpar(fill = 'lightblue'), which = 'row')

.boxplot = anno_boxplot(df, which = 'row')

ha_mix_right = HeatmapAnnotation(violin = .violin, bxplt = .boxplot, which = 'row',

width = unit(4, 'cm'))

# Combine annotation with heatmap

Heatmap(df, name = 'mtcars', col = mycol, column_names_gp = gpar(fontsize = 8),

top_annotation = ha_mix_top, top_annotation_height = unit(4, 'cm')) + ha_mix_right

 

  

热图组合

  

#Heatmap 1

ht1 = Heatmap(df, name = 'ht1', col = mycol, km = 2, column_names_gp = gpar(fontsize = 9))

# Heatmap 2

ht2 = Heatmap(df, name = 'ht2', col = colorRamp2(c(-2, 0, 2), c('green', 'white', 'red')), column_names_gp = gpar(fontsize = 9))

# Combine the two heatmaps

ht1 + ht2

 

 

可以使用选项width = unit（3，“cm”））来控制热图大小。注意，当组合多个热图时，第一个热图被视为主热图。剩余热图的一些设置根据主热图的设置自动调整。这些设置包括：删除行集群和标题，以及添加拆分等。

  

draw(ht1 + ht2,

# Titles

row_title = 'Two heatmaps, row title',

row_title_gp = gpar(col = 'red'),

column_title = 'Two heatmaps, column title',

column_title_side = 'bottom',

# Gap between heatmaps

gap = unit(0.5, 'cm'))

 

 

可以使用参数show_heatmap_legend = FALSE，show_annotation_legend = FALSE删除图例。

基因表达矩阵

在基因表达数据中，行代表基因，列是样品值。关于基因的更多信息可以在表达热图之后附加，例如基因长度和基因类型。

expr = readRDS(paste0(system.file(package = 'ComplexHeatmap'), '/extdata/gene_expression.rds'))

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

type = gsub('s\\d+_', '', colnames(mat))

ha = HeatmapAnnotation(df = data.frame(type = type))

Heatmap(mat, name = 'expression', km = 5, top_annotation = ha, top_annotation_height = unit(4, 'mm'),

show_row_names = FALSE, show_column_names = FALSE) +

Heatmap(expr$length, name = 'length', width = unit(5, 'mm'), col = colorRamp2(c(0, 100000), c('white', 'orange'))) +

Heatmap(expr$type, name = 'type', width = unit(5, 'mm')) +

Heatmap(expr$chr, name = 'chr', width = unit(5, 'mm'), col = rand_color(length(unique(expr$chr))))

   

也可以可视化基因组变化和整合不同的分子水平（基因表达，DNA甲基化，…）

可视化矩阵中列的分布

使用函数densityHeatmap().

densityHeatmap(df)

 

Infos

sessionInfo()

## R version 3.3.3 (2017-03-06)

## Platform: x86_64-w64-mingw32/x64 (64-bit)

## Running under: Windows 8.1 x64 (build 9600)##

## locale:

## [1] LC_COLLATE=Chinese (Simplified)_China.936

## [2] LC_CTYPE=Chinese (Simplified)_China.936

## [3] LC_MONETARY=Chinese (Simplified)_China.936

## [4] LC_NUMERIC=C

## [5] LC_TIME=Chinese (Simplified)_China.936 ##

## attached base packages:

## [1] grid stats graphics grDevices utils datasets methods

## [8] base

##

## other attached packages:

## [1] GetoptLong_0.1.6 cluster_2.0.5 circlize_0.3.10

## [4] ComplexHeatmap_1.12.0 dendextend_1.4.0 d3heatmap_0.6.1.1

##[7] gplots_3.0.1 RColorBrewer_1.1-2

##

## loaded via a namespace (and not attached):

## [1] Rcpp_0.12.9 DEoptimR_1.0-8 plyr_1.8.4

## [4] viridis_0.3.4 class_7.3-14 prabclus_2.2-6

## [7] bitops_1.0-6 base64enc_0.1-3 tools_3.3.3

## [10] digest_0.6.12 mclust_5.2.2 jsonlite_1.3

## [13] evaluate_0.10 tibble_1.2 gtable_0.2.0

## [16] lattice_0.20-34 png_0.1-7 yaml_2.1.14

## [19] mvtnorm_1.0-6 gridExtra_2.2.1 trimcluster_0.1-2

## [22] stringr_1.2.0 knitr_1.15.1 GlobalOptions_0.0.11

## [25] htmlwidgets_0.8 gtools_3.5.0 caTools_1.17.1

## [28] fpc_2.1-10 diptest_0.75-7 nnet_7.3-12

## [31] stats4_3.3.3 rprojroot_1.2 robustbase_0.92-7

## [34] flexmix_2.3-13 rmarkdown_1.3.9002 gdata_2.17.0

## [37] kernlab_0.9-25 ggplot2_2.2.1 magrittr_1.5

## [40] whisker_0.3-2 backports_1.0.5 scales_0.4.1

## [43] htmltools_0.3.5 modeltools_0.2-21 MASS_7.3-45

## [46] assertthat_0.1 shape_1.4.2 colorspace_1.3-2

## [49] KernSmooth_2.23-15 stringi_1.1.2 lazyeval_0.2.0

## [52] munsell_0.4.3 rjson_0.2.15