王胖的生信笔记第31期：TidyHeatmap

面对一个矩阵数据，该怎么体现？可能一个比较合适的方式就是使用热图。

怎么让热图不这么丑呢？其实使用ComplexHeatmap已经可以做到很好看的热图了。不过调整这里面的一些参数可能比较累。今天就介绍一个方便的包TidyHeatmap

安装和介绍

devtools::install_github("stemangiola/tidyHeatmap")

https://github.com/stemangiola/tidyHeatmap

按照官网介绍，这个包优势主要包括以下四个：

​ 指定列名帮助注释；
​ 利用管道符就可自定义分类；
​ 自动调整标签的大小；
​ 使用Brewer和Viridis内置配色方案；

开始

library(tidyHeatmap)
library(tidyverse)
mtcars_tidy = 
  mtcars %>% 
  as_tibble(rownames="Car name") %>% 
  mutate_at(vars(-`Car name`, -hp, -vs), scale) %>%
  gather(Property, Value, -`Car name`, -hp, -vs)

就用R语言自带的数据集mtcars。结合tidyverse的运用，是格式转化为tibble（也是数据框，具体的差别可参考帮助文档https://cran.r-project.org/web/packages/tibble/vignettes/tibble.html，总之可以使得展示更加简洁，运行也更顺畅）。总之当你使用as.data.frame()不顺利的时候，就可以试试as.tibble()。

gather函数类似于Excel中的数据透视的功能。总之记住一句话：长数据变宽数据是spread()，宽数据变长数据是gather()。这个可以找推文看看，或者有机会我写一下（我理解的不是最透彻，能用但是说不好）。

总之现在手头有了一批数据了。

作图

数据列名有Car Name, Property, Value, hp。

mtcars_heatmap = 
  mtcars_tidy %>% 
  heatmap(`Car name`, Property, Value ) %>%
  add_tile(hp)

heatmap里只要指定热图的行，列，值即可。最后还能加个够注释模块。

是不是还差一个vs没有用？

利用vs做分组。

mtcars_heatmap <- mtcars_tidy %>% 
  group_by(vs) %>%
  heatmap(`Car name`, Property, Value ) %>%
  add_tile(hp)

美观

mtcars_tidy %>% 
    heatmap(
        `Car name`, 
        Property, 
        Value,
        palette_value = c("red", "white", "blue")
    )

经典蓝红配色

mtcars_tidy_groupings = 
  mtcars_tidy |>
  mutate(property_group = if_else(Property %in% c("cyl", "disp"), "Engine", "Other"))

这上面0和1你看着不明显咋整？

加上配色

mtcars_tidy_groupings |> 
  group_by(vs, property_group) |>
  heatmap(
    `Car name`, Property, Value ,
    palette_grouping = list(
      c("#66C2A5", "#FC8D62"), 
      c("#b58b4c", "#74a6aa")
    )
  ) |>
  add_tile(hp)

去除legend

tidyHeatmap::pasilla |>
  group_by(location, type) |>
  heatmap(
    .column = sample,
    .row = symbol,
    .value = `count normalised adjusted`,
    show_heatmap_legend = FALSE
  ) |>
  add_tile(condition, show_legend = FALSE) |>
  add_tile(activation, show_legend = FALSE)

行列的注释可以改格式

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