保姆级：手把手教你绘制环形基因表达热图
感谢老俊俊的大力支持。我们会每日跟新，欢迎您关注老俊俊的生信笔记。
点击上方关注我们
之前也没画过环形的热图，自己在绘制时也会遇到很多坑，之前看过 小明哥 的教程，昨天请教了一下 小明哥 ，他也非常耐心仔细地指导了一下，在此非常感谢，哈哈。
下面是他的公众号，非常的优秀！估计大家大部分都已经关注了吧。
这是万恶之源：
TBtools 和 circlize 同样也可以绘制，后面有时间介绍， TBtools 是一个神器，里面集合了各种各样地生信分析软件，无需代码编程能力即可完成分析。
下面进入主题，绘制基因表达量热图。
1、尝试
加载数据：
# 加载R包
library(tidyverse)
# 设置工作路径
setwd('C:UsersadminDesktop')
# 读取数据
da <- read.table('tt.txt',header = T)
# 查看数据
head(da,3)
gene_name s1 s2 s3
1 KHDC4 0.19644441 -0.1719071 4.395833
2 DCAF1 -0.06520404 -3.7762904 0.678249
3 CAB39L 0.59622658 -0.2124622 -1.810885
第一列是 基因名，后面三列对应 3 个样本基因地表达量，我用的是 log2FC 。
先挑一个样本尝试：
# 宽数据转长数据
cirp <- melt(da)
# 查看数据
head(cirp,3)
gene_name variable value
1 KHDC4 s1 0.19644441
2 DCAF1 s1 -0.06520404
3 CAB39L s1 0.59622658
# 画一个样本
res <- cirp %>% filter(variable == 's1')
# 绘图
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black')
我们可以调一下颜色：
# 设置颜色
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767')
然后转换坐标系为极坐标系，掰弯它！
# 坐标系转换，转为极坐标
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
coord_polar(theta = 'x')
主题优化简洁一下：
# 主题优化
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
coord_polar(theta = 'x') +
theme_void()
这个地方有个需要注意地点，如何把中间空出来，关键点在于设置 Y 轴地范围：
# 拓展Y坐标轴
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
ylim(-2,2)
这里通过调整 ylim 范围 控制 环的 宽度 和 大小 ：
# 再次绘制
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
ylim(-2,2) +
coord_polar(theta = 'x') +
theme_void()
这里我们通过控制 xlim 可以调整 环的开口大小 ：
# 调整开口
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
ylim(-2,2) + xlim(0,105) +
coord_polar(theta = 'x') +
theme_void()
2、添加基因名标签
为了更好展示 基因名 与 对应表达量矩形 的 相对角度 ，我们可以计算每个标签的角度和朝向，来更好的展示基因名的可读性：
# 添加文字标签
# 计算角度
res$ang <- seq(from = (360/nrow(res)) / 1.5,
to = (1.5* (360/nrow(res))) - 360,
length.out = nrow(res)) + 80
# 根据角度确定朝向的方向
res$hjust <- 0
res$hjust[which(res$ang < -90)] <- 1
res$ang[which(res$ang < -90)] <- (180+res$ang)[which(res$ang < -90)]
# 查看结果
head(res,3)
gene_name variable value ang hjust
1 KHDC4 s1 0.19644441 82.40000 0
2 DCAF1 s1 -0.06520404 78.79394 0
3 CAB39L s1 0.59622658 75.18788 0
我们可以看到，每个基因名都要朝向和角度信息了，然后绘图看看，顺便把 图例放到中心 试试。
无开口：
# 无开口
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
ylim(-2,2) +
coord_polar(theta = 'x') +
theme_void() +
theme(legend.position = c(0.5,0.5)) +
geom_text(data = res,
aes(x = as.numeric(rownames(res)),
y = 1.6,
label = gene_name, angle = ang, hjust = hjust),
size = 4)
有开口：
# 有开口
ggplot(res,aes(x = as.numeric(rownames(res)),y = 1)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
ylim(-2,2) + xlim(0,105) +
coord_polar(theta = 'x') +
theme_void() +
theme(legend.position = c(0.5,0.5)) +
geom_text(data = res,
aes(x = as.numeric(rownames(res)),
y = 1.6,
label = gene_name, angle = ang, hjust = hjust),
size = 4)
3、多样本组合绘制
以上我们只是绘制一个样本的环形热图，我们可以通过 添加图层 的方式，将多个样本一起绘制出来：
# 多样本组合
library(ggnewscale)
p <- ggplot() +
# 添加第一个环s1
geom_tile(data = cirp[which(cirp$variable == 's1'),],
aes(x = 1:100,y = 1,fill = value),
color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid = "white",
high = '#FF6767',
name = 'ONE') +
# 添加第一个环s2
# 新增图例
new_scale("fill") +
geom_tile(data = cirp[which(cirp$variable == 's2'),],
aes(x = 1:100,y = 2,fill = value),
color = 'white') +
scale_fill_gradient2(midpoint = 0,
low = '#A5E1AD',
mid = "white",
high = '#F55C47',
name = 'TWO') +
# 添加第一个环s3
# 新增图例
new_scale("fill") +
geom_tile(data = cirp[which(cirp$variable == 's3'),],
aes(x = 1:100,y = 3,fill = value),
color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#DA9FF9',
mid = "white",
high = '#FF9292',
name = 'THREE') +
ylim(-2,4) +
coord_polar(theta = 'x') +
theme_void()
p
最后加上标签，直接用 s1 的就行：
# 添加基因名标签
p + geom_text(data = res,
aes(x = as.numeric(rownames(res)),
# 关键参数，调整位置
y = 3.6,
label = gene_name, angle = ang, hjust = hjust),
size = 4)
开口的试一下：
# 开口
p + geom_text(data = res,
aes(x = as.numeric(rownames(res)),
y = 3.6,
label = gene_name, angle = ang, hjust = hjust),
size = 4) +
xlim(0,105)
给基因名加个颜色：
# 给标签添加颜色
p + geom_text(data = res,
aes(x = as.numeric(rownames(res)),
y = 3.6,
label = gene_name, angle = ang, hjust = hjust),
color = rainbow(100),
size = 4) +
xlim(0,105)
4、多样本映射绘图
出来叠加图层的方式，我们还可以以 映射 的方式绘制多样本的环形热图。
我们之前为了方便改变 Y轴 和 X轴 范围，特意把 XY 轴变为数值型变量， 每个样本有 100 个基因，我们在长数据后面增加一列：
# 添加Y轴数值
cirp$var <- rep(1:100,3)
# 查看
head(cirp,3)
gene_name variable value var
1 KHDC4 s1 0.19644441 1
2 DCAF1 s1 -0.06520404 2
3 CAB39L s1 0.59622658 3
绘图：
# 笛卡尔坐标系图
ggplot(cirp,aes(x = var,y = variable)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767')
使用 scale_y_discrete 函数拓展 Y 轴：
# 拓展Y轴
ggplot(cirp,aes(x = var,y = variable)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
scale_y_discrete(expand = expansion(mult = c(2,0)))
最终成图：
# 成品图
p <- ggplot(cirp,aes(x = var,y = variable)) +
geom_tile(aes(fill = value),color = 'black') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
scale_y_discrete(expand = expansion(mult = c(2,0))) +
coord_polar(theta = 'x') +
theme_void() +
geom_text(data = res,
aes(x = as.numeric(rownames(res)),
y = 3.6,
label = gene_name, angle = ang, hjust = hjust),
size = 4)
p
对于开口的话，调整一下 X 轴的范围即可：
# 开口
p + xlim(0,103) +
theme(legend.position = c(0.5,0.5))
我们 X轴 也可以设置为基因名，使用scale_x_discrete 函数拓展 X 轴 ：
# X、Y轴为分类变量
ggplot(cirp,aes(x = gene_name,y = variable)) +
geom_tile(aes(fill = value),color = 'white') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
scale_y_discrete(expand = expansion(mult = c(2,0))) +
scale_x_discrete(expand = expansion(mult = c(0,0.05))) +
coord_polar(theta = 'x') +
theme_void() +
geom_text(data = res,
aes(x = as.numeric(rownames(res)),
y = 3.6,
label = gene_name, angle = ang, hjust = hjust),
size = 4)
5、聚类
此外还可以对基因聚类，首先对原始数据的基因聚类获得聚类数据：
# 基因聚类
dac <- da[,-1]
rownames(dac) <- da$gene_name
# 聚类
xclust <- hclust(dist(dac))
然后绘制聚类环形热图：
# 加载包
library(ggh4x)
library(ggdendro)
# 开口型
ggplot(cirp,aes(x = gene_name,y = variable)) +
geom_tile(aes(fill = value),color = 'white') +
# 关键函数，聚类作用
scale_x_dendrogram(hclust = xclust,
expand = expansion(mult = c(0,0.05))) +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
scale_y_discrete(expand = expansion(mult = c(2,0))) +
theme(axis.text.x = element_blank()) +
coord_polar(theta = 'x') +
theme_void() +
geom_text(data = res,
aes(x = as.numeric(rownames(res)),
y = 3.6,
label = gene_name, angle = ang, hjust = hjust),
size = 4)
封闭型：
# 封闭型
ggplot(cirp,aes(x = gene_name,y = variable)) +
geom_tile(aes(fill = value),color = 'white') +
# 关键函数，聚类作用
scale_x_dendrogram(hclust = xclust) +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
scale_y_discrete(expand = expansion(mult = c(2,0))) +
theme(axis.text.x = element_blank()) +
coord_polar(theta = 'x') +
theme_void() +
geom_text(data = res,
aes(x = as.numeric(rownames(res)),
y = 3.8,
label = gene_name, angle = ang, hjust = hjust),
size = 3.5)
正常热图
最后我们绘制一个正常热图，用 ggplot：
# 正常热图
# 基因聚类
dac <- da[,-1]
rownames(dac) <- da$gene_name
# 聚类
yclust <- hclust(dist(dac))
xclust <- hclust(dist(t(dac)))
# 绘图
ggplot(cirp,aes(x = variable,y = gene_name)) +
geom_tile(aes(fill = value),color = 'white') +
scale_fill_gradient2(midpoint = 0,
low = '#3C8DAD',
mid="white",
high = '#FF6767') +
scale_y_dendrogram(hclust = yclust) +
scale_x_dendrogram(hclust = xclust,position = 'top') +
theme_classic() +
xlab('') + ylab('')
你们学到了吗？
代码 我上传到 QQ 群 老俊俊生信交流群 文件夹里。欢迎加入。加我微信我也拉你进 微信群聊 老俊俊生信交流群 哦。
群二维码：
老俊俊微信：
所以今天你学习了吗？
欢迎小伙伴留言评论！
今天的分享就到这里了，敬请期待下一篇！
最后欢迎大家分享转发，您的点赞是对我的鼓励和肯定！
如果觉得对您帮助很大，赏杯快乐水喝喝吧！
推 荐 阅 读
请关注“恒诺新知”微信公众号，感谢“R语言“，”数据那些事儿“，”老俊俊的生信笔记“，”冷🈚️思“，“珞珈R”，“生信星球”的支持！
你可能也喜欢
lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包，干货满满
30 1月, 2023
如何快速批量修改 Git 提交记录中的用户信息
26 1月, 2023
肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
7 12月, 2022
