1写在前面

最近在画热图(heatmap)时，除了遇到画热图时导入的基因过多，基因名就会重叠在一起的问题以外，另一个问题就是：👇
希望可以做到热图单个或多个基因表达的比较，同时有放大的效果，突出基因在两组间的表达差异，再以boxplot的形式展示出来，找遍全网也没有找到解决方案，干脆自己造轮子吧。😘

可能有小伙伴会说，画完两个图，再在AI里拼上就可以啦，问题是这样不容易对应到基因在热图中的位置了。😭

这里给大家提供一下解决方案吧，全程代码操作，非常简单，只需要提供一个表达矩阵，一个分组文件即可，效果图如下，颜值还是挺高的。🤨

📍

2用到的包

rm(list = ls())
library(tidyverse)
library(circlize)
library(ComplexHeatmap)
library(reshape2)
library(ggsci)
library(ggpubr)
#devtools::install_github('erocoar/ggparl')
library(ggparl)

3示例数据

这里我们随机生成一个矩阵，200行，20列。👀

expr <-  matrix(rnorm(4000), nrow = 200)
rownames(expr) <- paste0("gene", 1:200)
colnames(expr) <- paste0("sample",1:20)
head(expr)

4分组数据

我们读入一下事先写好的分组文件，这里我将20个样本分成了两组，即Control和Disease组。

group <- read.csv("./group.csv")
group

5数据预处理

这里我们先做一下数据的预处理，如归一化、因子转换等，如果你的数据已经做过了，就不用做了。

expr_scaled <- t(scale(t(expr)))

group$Group <- factor(group$Group,unique(group$Group))
group$Group

6提取目的基因位置🔍

这里我们需要找到这些基因在原始矩阵的位置，大家把自己想要标记的基因传递给gene就行了，非常简单。😘
这里我们标记一下gene10和gene100。🔍

gene <- c("gene10", "gene100") # 改成你需要标记的基因即可。
 
genemark <- which(rownames(expr_scaled) %in% gene)
genemark

7顶部注释

7.1 整理列注释文件

这里提供一个样本聚类的列注释，如果你不需要可以跳过这一段。🥳

class <-  anno_block(
  gp = gpar(fill = c("#E64B35E5", "#4DBBD5E5", "#00A087E5", "#3C5488E5"),
            col="white"),
  
height = unit(5, "mm"),

labels = c("Cluster A", "Cluster B", "Cluster C","Cluster D"),

labels_gp = gpar(col = "white", fontsize = 8,fontface="bold")
)

## ========
ha = HeatmapAnnotation(Group = group$Group,
                        col = list(Group = c("Control" = "#F39B7FB2",
                                             "Disease" = "#91D1C2B2")),
                       clusters = class
                       )

7.2 可视化

Heatmap(expr_scaled, 
        name = "Expr",
        top_annotation = ha,
        column_split= 4, # 聚类个数，可以根据自己的需要修改。
        column_title = NULL,
        show_row_names = F,
        show_row_dend = F)

8自定义函数画放大boxplot

这里也是本次可视化最大的难点，需要画一个基因放大后，两组比较的boxplot，还需要添加统计值。🤒
这里我写了一个自定义函数，大家几乎不需要更改，如果颜色不满意，或需要修改统计方法，可以见注释进行具体修改。🌟