iheatmapr包

在R中有許多用于繪制熱圖的包，今天介紹一個比較有意思的用于繪制熱圖的包，iheatmapr 包，這個包是用來繪制復雜的、且具有交互作用的熱圖。

用iheatmapr包繪制得到的熱圖就是下方這樣，不僅能夠反應多種信息，還具有交互功能。

這個熱圖中包含8個信息：

• 樣本的相關性矩陣熱圖；

• 按列的聚類關系；

• 按行的聚類關系；

• 樣本聚類模式的顏色注釋；

• 每個樣本最低和最高濃度的顏色注釋；

• 樣本自身分組的顏色注釋；

• 每個樣本真實藥物處理實際過程的熱圖；

• 平均藥物濃度隨著時間變化的散點圖。

iheatmapr包的安裝

“iheatmapr”包含在CRAN中，可以直接使用install.packages()函數進行安裝。

install.packages("iheatmapr")

我的R是4.0，在安裝的時候提示4.0中缺少一個依賴包S4Vectors。

查了一下，S4Vectors是屬于Bioconductor的包，因此用Bioconductor包的安裝方式安裝S4Vectors。

if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install("S4Vectors")

在安的過程中發現速度那叫一個龜速，因此設置了一下Bioconductor的鏡像。

chooseBioCmirror()

之后在對話框中輸入離自己最近的鏡像編號就行了。

安裝完S4Vectors之后，iheatmapr就可以正常加載了。

library(iheatmapr)

使用實例

首先要構造用于分析的繪圖數據，這里使用datasets包內的Indometh作為示例。

#載入繪圖包library(iheatmapr)library(datasets)library(reshape2)#使用acast調用Indometh數據集中的內容Indometh_matrix <- acast(Indometh, Subject ~ time, value.var = "conc")Indometh_matrix <- Indometh_matrix[as.character(1:6),]rownames(Indometh_matrix) <- paste("Patient",rownames(Indometh_matrix))##計算相關性矩陣Indometh_patient_cor <- cor(t(Indometh_matrix))##取每個樣本數據中的最大值和最小值patient_max_conc <- apply(Indometh_matrix,1,max)patient_min_conc <- apply(Indometh_matrix,1,min)##給每個樣本隨機分配一個分組patient_groups?<-?c("A","A","B","A","B","A")

繪制相關性矩陣熱圖

example_heatmap <- main_heatmap(Indometh_patient_cor, name = "Correlation")example_heatmap

可以使用colors參數修改顏色，colors = “RColorBrewer palettle/顏色名字”。

main_heatmap(Indometh_patient_cor, colors = "Pinks",?????????????name?=?"Correlation")

添加第二幅熱圖

main_heatmap(Indometh_patient_cor, name = "Correlation") %>%????add_main_heatmap(Indometh_matrix,?name?=?"Indometacin<br>Concentration"

如果name=相同名字的話，新添加的熱圖會與之前的熱圖共享相同的顏色。

如果你想改變添加熱圖的位置，就使用side=c(“left”, “right”, “top”,”bottom”)。

添加標簽

main_heatmap(Indometh_matrix, name="Correlation") %>% add_row_labels() %>% add_col_labels() %>% add_row_title("Patients", buffer=0.2) %>%??add_col_title("Patients",?buffer=0.1)

buffer規定title文字與圖之間的距離。

添加聚類關系

main_heatmap(Indometh_patient_cor) %>% add_row_clustering() %>%??????????add_col_clustering()

如果是希望以顏色表示樣本的聚類關系，則需要先進行一個聚類，之后在手動進行負值。

clust_assign <- kmeans(Indometh_matrix, 3)$cluster main_heatmap(Indometh_patient_cor) %>% add_row_clusters(clust_assign) %>%??add_col_clusters(clust_assign)

添加樣本注釋

main_heatmap(Indometh_patient_cor) %>% add_row_annotation(data.frame("Max" = patient_max_conc, "Min" = patient_min_conc, "Groups" = c("A","A","B","B","A","A")), colors = list("Max" = "Reds", "Min" = "Blues",???????????????????????????????????"Groups"?=?c("purple","pink")))

除了add_row_annotation，還可以使用add_row_signal和add_row_groups添加注釋。

main_heatmap(Indometh_patient_cor) %>%add_row_signal(patient_max_conc, "Max<br>Concentration", title = "Max", colors = "Reds") %>%add_row_signal(patient_min_conc, "Min<br>Concentration", title = "Min", colors = "Reds") %>%add_row_groups(c("A","A","B","B","A","A"),?"Groups")

寫在后面

到這里，我們已經分布講解了文章開始出現的復雜熱圖中的大部分實現代碼，下面給出一個完整的代碼。

main_heatmap(Indometh_patient_cor,name = "Correlation") %>% add_col_clustering() %>% add_row_clustering(k = 3) %>% add_row_title("Patients") %>% add_col_title("Patients") %>% add_row_annotation(data.frame("Max" = patient_max_conc, "Min" = patient_min_conc, "Groups" = patient_groups)) %>% add_main_heatmap(Indometh_matrix, name = "Indometacin<br>Concentration") %>% add_col_labels() %>% add_col_title("Time") %>%??add_col_summary()

更對關于iheatmapr包的參數使用和個性化設置，請參考該包的幫助文檔。
https://docs.ropensci.org/iheatmapr/articles/full_vignettes/iheatmapr.html#modular-building-blocks-1

你可能還想看

• R語言 - 熱圖美化
  

• R中1010個熱圖繪制方法
  

• 這也太簡單了吧！一個函數完成數據相關性熱圖計算和展示
  

• 利用ComplexHeatmap繪制熱圖(一)
  

• network3D: 交互式桑基圖

• network3D: 交互式網絡生成

• 一個震撼的交互型3D可視化R包 - 可直接轉ggplot2圖為3D
  

• ggThemeAssist｜鼠標調整主題，并返回代碼
  

往期精品(點擊圖片直達文字對應教程)

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

總結

以上是生活随笔為你收集整理的iheatmapr包：可交互的热图绘制方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。