R数据可视化24:环状热图

懒人617回归，其实并没有偷懒。最近一直忙碌于手中的课题，没有时间来写文（当然这都不是借口）。作为一个有包袱的生信博主，我要守护住我的优秀创作者徽章。废话不多说，今天我们共同关注环状热图（circo heatmap）。

什么是环状热图

环状热图，顾名思义，就是热图的一种形式。按照我导的话就是，任何东西变成一个圈，就酷炫了起来，那么热图也是如此。首先，给大家展示几张环状热图。

来源:datavizproject（这张严格意义讲不属于环状热图，不过好看就放上来了）

来源：Cell (2021)

来源：circular visualization

环状热图的好处是可以在一张图上展示多个方面，很省空间，非常适合用于多组或者多组学的研究，因为可以揭示不同组学的变化规律和联系。当然如果要进一步解释数据的关系，那么环状热图可能就有点“花里胡哨”了。

如何做环状热图

今天我们来讲一个有意思的R包“circlize”。没错，是一个将各种图环化的包。其中有一个名为“circos.heatmap()”的函数，可以用于绘制环状图。这个函数是依赖于“ComplexHeatmap”包的（这也是一个非常好用的R包，有兴趣的人可以尝试一下）。所以，我们首先要安装上这些相关的包。
然后我们来看一下数据格式（因为最近是用了课题数据做了这个图，不方便展示，所以就用包里自带的例子了～～）。

mat1 = rbind(cbind(matrix(rnorm(50*5, mean = 1), nr = 50), 
                   matrix(rnorm(50*5, mean = -1), nr = 50)),
             cbind(matrix(rnorm(50*5, mean = -1), nr = 50), 
                   matrix(rnorm(50*5, mean = 1), nr = 50))
)
rownames(mat1) = paste0("R", 1:100)
colnames(mat1) = paste0("C", 1:10)
mat1 = mat1[sample(100, 100), ] # randomly permute rows

数据格式其实非常简单，和大部分做heatmap的包一样，要求matrix格式。每一列就是一个组，每一行就是具体的指标。
接下来我们看一下如何做图。做最基本的环状热图非常容易。

library(circlize)
library(ComplexHeatmap)
#绘制circoheatmap
col_fun1 = colorRamp2(c(-2, 0, 2), c("navy", "white", "firebrick3"))
circos.heatmap(mat1, col = col_fun1,dend.side = "inside",rownames.side = "outside")
#用于绘制legend
lgd = Legend(title = "mat1", col_fun = col_fun1)
grid.draw(lgd)
circos.clear()#一定要注意加上这个表示热图绘制完毕

（-2,0,2）是对应的legend里面的数值范围，可以根据需要进一步调整，后面的自然就是热图对应的颜色。
dend.side是用于确定clustering结果放在圈内还是圈外，rownames.side同理。
下面就是通过上述代码得到的最简单的热图了:

当然我们可以进一步加入更多的信息，比如组名（C1-C10）。我们可以用circos.text()和circos.track()来完成这件事。但是需要调试一下参数，将标签添加到合适的位置。

col_fun1 = colorRamp2(c(-2, 0, 2), c("navy", "white", "firebrick3"))
circos.par(gap.after = c(10))#空出一段用于添加label
circos.heatmap(mat1, col = col_fun1,dend.side = "inside",rownames.side = "outside",track.height = 0.4)
circos.track(track.index = get.current.track.index(), panel.fun = function(x, y) {
  if(CELL_META$sector.numeric.index == 1) { # the last sector
    cn = colnames(mat1)
    n = length(cn)
    circos.text(rep(CELL_META$cell.xlim[2], n) + convert_x(0.1, "mm"), #x坐标
                13+(1:n)*5,#y坐标
                cn, #标签
                cex = 0.5, adj = c(0, 1), facing = "inside")
  }
}, bg.border = NA)
lgd = Legend(title = "mat1", col_fun = col_fun1)
grid.draw(lgd)
circos.clear()

当然我们还可以添加新的环状热图（我懒得调整上一个label的位置了就去掉了，哈哈）：

#生成一组新的数据
mat2 = mat1[sample(100, 100), ] 

col_fun1 = colorRamp2(c(-2, 0, 2), c("navy", "white", "firebrick3"))
col_fun2 = colorRamp2(c(-2, 0, 2), c("green", "white", "red"))

circos.par(gap.after = c(10))
circos.heatmap(mat1, col = col_fun1,rownames.side = "outside",track.height = 0.2)
circos.heatmap(mat2, col = col_fun2,dend.side = "inside",track.height = 0.2)

lgd = Legend(title = "mat1", col_fun = col_fun1)
grid.draw(lgd)
circos.clear()

今天的分享就到这里啦（我要去吃烧烤了好饿），这个包还有很多的内容大家可以自己自己去看，链接在此：https://jokergoo.github.io/circlize_book/book/

往期R数据可视化分享
R数据可视化23：Treemap图
R数据可视化22: 怎么获取CNS级颜色搭配
R数据可视化21: Edge Bundling图
R数据可视化20: 弦图
R数据可视化19: 环状条形图
R数据可视化18: 弧形图
R数据可视化17: 桑基图
R数据可视化16: 哑铃图
R数据可视化15: 倾斜图 Slope Graph
R数据可视化14: 生存曲线图
R数据可视化13: 瀑布图/突变图谱
R数据可视化12: 曼哈顿图
R数据可视化11: 相关性图
R数据可视化10: 蜜蜂图 Beeswarm
R数据可视化9: 棒棒糖图 Lollipop Chart
R数据可视化8: 金字塔图和偏差图
R数据可视化7: 气泡图 Bubble Plot
R数据可视化6: 面积图 Area Chart
R数据可视化5: 热图 Heatmap
R数据可视化4: PCA和PCoA图
R数据可视化3: 直方/条形图
R数据可视化2: 箱形图 Boxplot
R数据可视化1: 火山图