正常情况下，我们绘制的常规热图都是直直的，这样更便于我们进行数据的展示和阅读；

但上周收到小伙伴的问题：能不能把热图“卷”起来，绘制环状的热图？当然也是可以的，我们先看几个文献中的案例：

（ BMC Genomics ，2018）

（ Microbial Biotechnology , 2017）

（ Cell ，2021）

环状热图我们也经常会在论文中看到，用法和热图相同，但更适合于需要展示较多基因（数据）时来使用，这样我们团一团后可以既美观又省版面空间；不过一般情况还是建议使用常规热图哦。

今天就给有需要要小伙伴们分享一下R语言绘制环状热图的方法，主要用到的ComplexHeatmap包绘制热图和circlize包中的circos.heatmap函数将热图从“直”拉“弯。”

#所需包的安装和载入：

install.packages( "circlize")

install.packages( "ComplexHeatmap")

library('ComplexHeatmap')

library('circlize')

#设置工作目录和载入本地数据：

setwd( "C:/Users/Desktop/环形热图")

data<-read.csv( "circle heatmap eg.csv",header=T,row.names=1)

head(data)

#转化为矩阵并对其进行归一化：

madt<-as.matrix(data)

madt2<-t(scale(t(madt)))

#默认参数绘制普通热图

Heatmap(madt2)

#计算数据大小范围

range(madt2)

#重新定义热图颜色梯度：

mycol=colorRamp2(c(-1.7, 0.3, 2.3),c( "blue", "white", "red"))

#绘制基础环形热图：

circos.heatmap(madt2,col=mycol)

circos.clear#绘制完成后需要使用此函数完全清除布局

#在circos.heatmap中添加参数进行环形热图的调整和美化：

circos.par(gap.after=c(50))

circos.heatmap(madt2,col=mycol,dend.side= "inside",rownames.side= "outside",

rownames.col= "black",

rownames.cex=0.9,

rownames.font=1,

cluster=TRUE)

circos.clear

#circos.par调整圆环首尾间的距离，数值越大，距离越宽

#dend.side：控制行聚类树的方向，inside为显示在圆环内圈，outside为显示在圆环外圈

#rownames.side：控制矩阵行名的方向,与dend.side相同；但注意二者不能在同一侧，必须一内一外

#cluster=TRUE为对行聚类，cluster=FALSE则不显示聚类

#聚类树的调整和美化(需要用到两个别的包）：

install.packages( "dendextend")#改颜色

install.packages( "dendsort")#聚类树回调

library(dendextend)

library(dendsort)

circos.par(gap.after=c(50))

circos.heatmap(madt2,col=mycol,dend.side= "inside",rownames.side= "outside",track.height = 0.38,

rownames.col= "black",

rownames.cex=0.9,

rownames.font=1,

cluster=TRUE,

dend.track.height=0.18,

dend.callback=function(dend,m,si) {

color_branches(dend,k=15,col=1:15)

}

)

circos.clear

#track.height：轨道的高度，数值越大圆环越粗

#dend.track.height：调整行聚类树的高度

#dend.callback：用于聚类树的回调，当需要对聚类树进行重新排序，或者添加颜色时使用

#包含的三个参数：dend：当前扇区的树状图；m：当前扇区对应的子矩阵；si：当前扇区的名称

#color_branches:修改聚类树颜色

#添加图例标签等

lg=Legend(title= "Exp",col_fun=mycol,direction = c( "vertical"))

grid.draw(lg)

#添加列名：

circos.track(track.index=get.current.track.index,panel.fun=function(x,y){

if(CELL_META$sector.numeric.index==1){

cn=colnames(madt2)

n=length(cn)

circos.text(rep(CELL_META$cell.xlim[2],n)+convert_x(0.8, "mm"),#x坐标

7.8+(1:n)*1.1,#y坐标

cn,cex=0.8,adj=c(0,1),facing= "inside")

}

}, bg.border=NA)

circos.clear

#更换热图配色，并重新绘图：

#这里代码和上文相同，仅改变了颜色和circos.par（圆环首位的距离）

mycol2=colorRamp2(c(-1.7, 0.3, 2.3),c( "#57ab81", "white", "#ff9600"))

circos.par(gap.after=c(22))

circos.heatmap(madt2,col=mycol2,dend.side= "inside",rownames.side= "outside",track.height = 0.38,

rownames.col= "black",

rownames.cex=0.9,

rownames.font=1,

cluster=TRUE,

dend.track.height=0.18,

dend.callback=function(dend,m,si) {

color_branches(dend,k=15,col=1:15)

}

)

lg=Legend(title= "Exp",col_fun=mycol2,direction = c( "vertical"))

grid.draw(lg)

circos.track(track.index=get.current.track.index,panel.fun=function(x,y){

if(CELL_META$sector.numeric.index==1){

cn=colnames(madt2)

n=length(cn)

circos.text(rep(CELL_META$cell.xlim[2],n)+convert_x(0.8, "mm"),#x坐标

7.8+(1:n)*1.1,#y坐标

cn,cex=0.8,adj=c(0,1),facing= "inside")

}

}, bg.border=NA)

circos.clear

#分组热图绘制：

#circos.heatmap内只能是一个矩阵，但如果矩阵数据存在分组，可以用split参数来指定分类变量

split= sample(letters[1:2], 40, replace = TRUE)

split= factor(split, levels = letters[1:2])

circos.par(gap.after=c(22))

circos.heatmap(madt2,col=mycol2,split=split,dend.side= "inside",rownames.side= "outside",track.height = 0.38,

rownames.col= "black",

rownames.cex=0.9,

rownames.font=1,

cluster=TRUE,

dend.track.height=0.18,

dend.callback=function(dend,m,si) {

color_branches(dend,k=15,col=1:15)

}

)

lg=Legend(title= "Exp",col_fun=mycol2,direction = c( "horizontal"))

grid.draw(lg)

circos.track(track.index=get.current.track.index,panel.fun=function(x,y){

if(CELL_META$sector.numeric.index==1){

cn=colnames(madt2)

n=length(cn)

circos.text(rep(CELL_META$cell.xlim[2],n)+convert_x(0.8, "mm"),

7.8+(1:n)*1.1,

cn,cex=0.8,adj=c(0,1),facing= "inside")

}

}, bg.border=NA)

circos.clear

#多轨热图绘制：

#假设有两个热图的矩阵数据（这里仅为一组重复两次以作示范）

madt2<-t(scale(t(madt)))

madt3<-t(scale(t(madt)))

split2= sample(letters[1:2], 40, replace = TRUE)

split2= factor(split2, levels = letters[1:2])

circos.par(gap.after=c(8))

circos.heatmap(madt2,col=mycol2,split=split2,dend.side= "outside",

cluster=TRUE,

dend.track.height=0.2,

dend.callback=function(dend,m,si) {

color_branches(dend,k=15,col=1:15)

}

)

circos.heatmap(madt3, col = mycol,rownames.side= "inside",rownames.cex=0.8)#加入第二个热图

#添加放置在左侧的图例：

install.packages( "gridBase")

library(gridBase)

lg_Exp1=Legend(title= "Exp1",col_fun=mycol2,direction = c( "vertical"))

lg_Exp2=Legend(title= "Exp2",col_fun=mycol,direction = c( "vertical"))

circle_size= unit(0.07, "snpc")

h= dev.size

lgd_list= packLegend(lg_Exp1,lg_Exp2, max_height = unit(2*h, "inch"))

draw(lgd_list, x = circle_size, just = "left")

circos.clear

好啦，今天的分享就到这里~

如需要绘图数据，欢迎分享本图文到朋友圈，凭截图即可找客服领取啦！！

# SCIPainter

基迪奥旗下绘图公众号

分享科研绘图技能与工具

欢迎关注与转发~

你的好友拍了拍你

并请你帮她点一下“分享”~