前言

在上一期推文：tidyHeatmap（一）：帶你繪制高端熱圖中昔字，Immugent簡單介紹了一下tidyHeatmap包的基礎使用境输。在本期推文中艰争，Immugent將會進一步對其個性化功能進行講解雁刷。

在跑本期代碼之前福铅，Immugent建議最好還是將上一期的tidyHeatmap教程跑一下弟胀。因為這期代碼的很多參數基本都是在上一期的基礎上做了調整，如果直接跑本期代碼很可能理解不了其中很多參數的用途眉厨。

代碼展示

首先還是需要讀入示例數據锌奴。。憾股。

devtools::install_github("stemangiola/tidyHeatmap")

library(tidyHeatmap)

mtcars_tidy <- 
    mtcars |> 
    as_tibble(rownames="Car name") |> 
    
    # Scale
    mutate_at(vars(-`Car name`, -hp, -vs), scale) |>
    
    # tidyfy
    pivot_longer(cols = -c(`Car name`, hp, vs), names_to = "Property", values_to = "Value")

mtcars_tidy

添加多種信息鹿蜀，繪制多元化熱圖。

# Create some more data points
pasilla_plus <- 
    tidyHeatmap::pasilla |>
    dplyr::mutate(act = activation) |> 
    tidyr::nest(data = -sample) |>
    dplyr::mutate(size = rnorm(n(), 4,0.5)) |>
    dplyr::mutate(age = runif(n(), 50, 200)) |>
    tidyr::unnest(data) 

# Plot
pasilla_plus |>
    heatmap(
        .column = sample,
        .row = symbol,
        .value = `count normalised adjusted`,   
        scale = "row"
    ) |>
    add_tile(condition) |>
    add_point(activation) |>
    add_tile(act) |>
    add_bar(size) |>
    add_line(age)

圖片

Add a layer on top of the heatmap

tidyHeatmap::pasilla |>
    
    # filter
    filter(symbol %in% head(unique(tidyHeatmap::pasilla$symbol), n = 10)) |>
    
    heatmap(
        .column = sample,
        .row = symbol,
        .value = `count normalised adjusted`,   
        scale = "row"
    ) |> 
    layer_point(
        `count normalised adjusted log` > 6 & sample == "untreated3" 
    )

圖片

Adding heatmap side-by-side

p_heatmap = heatmap(mtcars_tidy, `Car name`, Property, Value, scale = "row") 

p_heatmap + p_heatmap

圖片

External ComplexHeatmap functionalities

heatmap(mtcars_tidy, `Car name`, Property, Value, scale = "row" ) %>%    as_ComplexHeatmap() %>%    ComplexHeatmap::draw(heatmap_legend_side = "left"   )     

圖片

Using patchwork to integrate heatmaps

library(ggplot2)
library(patchwork)

p_heatmap =
    mtcars_tidy |> 
    heatmap(
        `Car name`, Property, Value,    
        scale = "row", 
            show_heatmap_legend = FALSE,
        row_names_gp = gpar(fontsize = 7)
    ) 

p_ggplot = tibble(value = 1:10) %>% ggplot(aes(value)) + geom_density()

wrap_heatmap(p_heatmap) + 
    p_ggplot +
    wrap_heatmap(p_heatmap) + 
    plot_layout(width = c(1, 0.3, 1))

圖片

小結

想必大家在看高分文獻中的熱圖時都會覺得很美觀服球，能很好的展示要重點突出的信息茴恰。而自己繪制的熱圖卻很丑，而且重點不突出有咨，這些其實是可以自我調整進行改善的琐簇。

繪制出美觀的熱圖主要依賴于亮點：第一點就是自己的數據，如果數據沒有太明顯的差異座享，再怎么美化也不會出很好的熱圖婉商；第二點就是配色上，除了要選擇對比明顯的配色渣叛，還需要考慮整篇文章中的主題使用顏色丈秩，這樣才不會太顯得太突兀。無論從使用簡易程度上還是配色上淳衙，tidyHeatmap包是大家的不二選擇蘑秽，小伙伴們趕緊實操起來吧！

好啦箫攀，本期分享到這就結束了肠牲，歡迎大家有好的繪圖軟件推薦給我們~~