背景
畫熱圖的體系用的比較多的是pheatmap和ComplexHeatmap這兩個(gè)包，前者勝在代碼簡(jiǎn)單奔脐，功能強(qiáng)大俄周，而后者勝在細(xì)節(jié)無窮無盡吁讨，只有你想不到，沒有它做不到峦朗。
ggplot2在畫熱圖這件事上建丧，是存在感不太強(qiáng)的。但有時(shí)候還必須得用它來畫波势，以期和其他ggplot2的圖嚴(yán)絲合縫的拼在一起翎朱。
因此我收集了一下ggplot2的成果，發(fā)現(xiàn)又解鎖了y叔的一個(gè)新包aplot尺铣，以及前段時(shí)間剛出的ggheatmap（居然是大三的學(xué)生寫的拴曲，后生可畏）。我寫了三種方法凛忿，ggheatmap最為簡(jiǎn)單澈灼，可以直接去看方法3。
畫圖數(shù)據(jù)
熱圖的輸入數(shù)據(jù)嘛蕉汪，是一個(gè)數(shù)值型矩陣：
test = matrix(rnorm(200), 20, 10)
test[1:10, seq(1, 10, 2)] = test[1:10, seq(1, 10, 2)] + 3
test[11:20, seq(2, 10, 2)] = test[11:20, seq(2, 10, 2)] + 2
test[15:20, seq(2, 10, 2)] = test[15:20, seq(2, 10, 2)] + 4
colnames(test) = paste("Test", 1:10, sep = "")
rownames(test) = paste("Gene", 1:20, sep = "")
方法1 ggh4x
給ggplot2加聚類樹的R包ggh4x，里面的scale_y_dendrogram函數(shù)逞怨。
library(ggh4x)
library(ggplot2)
library(tidyverse)
yclust <- hclust(dist(test))
xclust <- hclust(dist(t(test)))
p = test %>%
as.data.frame() %>%
rownames_to_column() %>%
pivot_longer(cols = 2:ncol(.),
names_to = "sample",
values_to = "exp") %>%
ggplot(aes(x = sample,y = rowname))+
geom_tile(aes(fill = exp))+
scale_fill_gradient2(midpoint = 2.5,
low = '#2fa1dd',
mid="white",
high = '#f87669') +
scale_y_dendrogram(hclust = yclust) +
scale_x_dendrogram(hclust = xclust,position = 'top') +
theme(panel.grid = element_blank(), panel.background = element_rect(fill = NA),
legend.background = element_rect(fill = NA), plot.background = element_rect(fill = NA),
axis.line = element_blank(), axis.ticks = element_blank(),
axis.title = element_blank())
p
圖還是有模有樣的，只是行名列名貼著聚類樹革砸，不如pheatmap畫的好看算利。所以我嘗試了一下把基因名放到右邊册踩，失敗遼。但是又找到了另外一個(gè)做法：
方法2 ggtree
還是神奇Y叔的包效拭，樹狀圖可視化用的ggtree暂吉，配合拼圖用的aplot，簡(jiǎn)直不要太方便缎患。
p1 = test %>%
as.data.frame() %>%
rownames_to_column() %>%
pivot_longer(cols = 2:ncol(.),
names_to = "sample",
values_to = "exp") %>%
ggplot(aes(x = sample,y = rowname))+
geom_tile(aes(fill = exp))+
scale_fill_gradient2(midpoint = 2.5,
low = '#2fa1dd',
mid="white",
high = '#f87669') +
scale_y_discrete(position = "right")+
theme(panel.grid = element_blank(), panel.background = element_rect(fill = NA),
legend.background = element_rect(fill = NA), plot.background = element_rect(fill = NA),
axis.line = element_blank(), axis.ticks = element_blank(),
axis.title = element_blank())
library(ggtree)
p2<-ggtree(yclust)
p2+
geom_tiplab()+
xlim(NA,10)
p3<-ggtree(xclust)+layout_dendrogram()
p3+
geom_tiplab()+
xlim(NA,12)
library(aplot)
p1%>%
insert_left(p2,width = 0.2) %>%
insert_top(p3,height = 0.2)
本來以為拼圖需要把主體熱圖的行列順序調(diào)整一下才能拼慕的，結(jié)果神奇的aplot能實(shí)現(xiàn)無縫連接，順序調(diào)整猶如merge函數(shù)一樣挤渔，自動(dòng)搞定了嘿~
看到ggheatmap也用到了aplot包肮街，應(yīng)該是同一種方法咯。寫成新的函數(shù)無比方便
方法3 ggheatmap
試了一下行列聚類和加注釋條的操作判导，還是很絲滑的嫉父。只是annotation_color沒有默認(rèn)顏色沛硅，我jio的作者可以在下一版里設(shè)置上默認(rèn)值。
library("ggheatmap")
ggheatmap(test,cluster_rows = T,cluster_cols = T,
color = colorRampPalette(c("#2fa1dd", "white", "#f87669"))(100))
annotation_col = data.frame(
CellType = factor(rep(c("CT1", "CT2"), 5))
)
rownames(annotation_col) = paste("Test", 1:10, sep = "")
col <- list(CellType=c(CT1 = "#2fa1dd",CT2 = "#f87669"))
ggheatmap(test,cluster_rows = T,cluster_cols = T,
color = colorRampPalette(c("#2fa1dd", "white", "#f87669"))(100),
annotation_cols = annotation_col,
annotation_color = col,
scale = "row")
這個(gè)配色我太喜歡了绕辖，恨不得走到哪都帶著稽鞭。
