跟着Nature Biotechnology学作图:R语言ComplexHeatmap包做热图展示TCGA-BRCA数据集概况

简介: 跟着Nature Biotechnology学作图:R语言ComplexHeatmap包做热图展示TCGA-BRCA数据集概况

论文

Removing unwanted variation from large-scale RNA sequencing data with PRPS

https://www.nature.com/articles/s41587-022-01440-w#data-availability

数据链接

https://zenodo.org/record/6459560#.Y2D2NHZBzid

https://zenodo.org/record/6392171#.Y2D2SXZBzid

代码链接

https://github.com/RMolania/TCGA_PanCancer_UnwantedVariation

今天推文重复的图没有出现在论文中,是论文中提供的代码里的一个图

image.png

首先是示例数据集

image.png

这个数据集论文中并没有提供,需要运行一系列代码获取,获取这个数据集的代码就不介绍了,推文内容主要介绍是如何绘图

读取数据集

sample.info.01<-read.csv("example_data/sample_info_brca_tcga_rnaseq.csv",
                         row.names = 1)
dim(sample.info.01)
head(sample.info.01)

ComplexHeatmap的帮助文档

https://jokergoo.github.io/ComplexHeatmap-reference/book/

ComplexHeatmap安装

BiocManager::install("ComplexHeatmap")

组图代码


library(ComplexHeatmap)
years.colors <- c(
  'green',
  'purple4',
  'blue',
  'brown',
  'tan1',
  'darkgreen',
  'black'
)
names(years.colors) <- c(
  '2009',
  '2010',
  '2011',
  '2012',
  '2013',
  '2014',
  '2015'
)
H.year <- ComplexHeatmap::Heatmap(
  rev(sample.info.01$year_mda),
  cluster_columns  = FALSE,
  column_names_gp = grid::gpar(fontsize = 12),
  col =  years.colors,
  name = 'Time (years)',
  heatmap_legend_param = list(
    color_bar = "discrete" ,
    ncol = 2,
    title_gp = grid::gpar(fontsize = 12)))
H.year

image.png

还可以把好多个热图拼到一起

完整代码

sample.info.01<-read.csv("example_data/sample_info_brca_tcga_rnaseq.csv",
                         row.names = 1)
dim(sample.info.01)
head(sample.info.01)

library(ComplexHeatmap)
years.colors <- c(
  'green',
  'purple4',
  'blue',
  'brown',
  'tan1',
  'darkgreen',
  'black'
)
names(years.colors) <- c(
  '2009',
  '2010',
  '2011',
  '2012',
  '2013',
  '2014',
  '2015'
)
H.year <- ComplexHeatmap::Heatmap(
  rev(sample.info.01$year_mda),
  cluster_columns  = FALSE,
  column_names_gp = grid::gpar(fontsize = 12),
  col =  years.colors,
  name = 'Time (years)',
  heatmap_legend_param = list(
    color_bar = "discrete" ,
    ncol = 2,
    title_gp = grid::gpar(fontsize = 12)))
H.year

n.plate <- length(unique(sample.info$plate_RNAseq)) # 38
colfunc <- grDevices::colorRampPalette(
  RColorBrewer::brewer.pal(11, 'PRGn')[-6])
color.plates <- colfunc(n.plate)
H.plate <- ComplexHeatmap::Heatmap(
  rev(sample.info$plate_RNAseq),
  cluster_rows = FALSE,
  cluster_columns = FALSE,
  column_names_gp = grid::gpar(fontsize = 12),
  col = color.plates,
  name = 'Plates',
  heatmap_legend_param = list(
    color_bar = "discrete" ,
    ncol = 4,
    title_gp = grid::gpar(fontsize = 12)))
### TSS
n.tss <- length(unique(sample.info$tss_RNAseq)) # 40
colfunc <- grDevices::colorRampPalette(
  RColorBrewer::brewer.pal(11, 'BrBG')[-6]
)
color.tss <- colfunc(n.tss)
H.tss <- ComplexHeatmap::Heatmap(
  rev(sample.info$tss_RNAseq),
  cluster_rows = FALSE,
  cluster_columns = FALSE,
  column_names_gp = grid::gpar(fontsize = 12),
  col = color.tss,
  name = 'Tissue source sites',
  heatmap_legend_param = list(
    color_bar = "discrete" ,
    ncol = 4,
    title_gp = grid::gpar(fontsize = 12)))
### Tissue
H.tissue <- ComplexHeatmap::Heatmap(
  rev(sample.info$Tissue.Type),
  cluster_rows = FALSE,
  column_names_gp = grid::gpar(fontsize = 12),
  col = c("#252525", 'blue', "#D9D9D9"),
  name = 'Tissues',
  heatmap_legend_param = list(
    color_bar = "discrete" ,
    direction = "vertical",
    ncol = 1,
    title_gp = grid::gpar(fontsize = 12),
    labels = c(
      'Primary tumor',
      'Metastatic tumor',
      'Adjacent normal')))
### Purity
H.purity <- ComplexHeatmap::Heatmap(
  rev(sample.info$purity_HTseq_FPKM),
  column_names_gp = grid::gpar(fontsize = 12),
  cluster_rows = FALSE,
  name = 'Tumor purity score',
  col = viridis::plasma(n = 10),
  heatmap_legend_param = list(
    title_gp = grid::gpar(fontsize = 12)))
### library size
H.ls <- ComplexHeatmap::Heatmap(
  rev(sample.info$libSize),
  cluster_rows = FALSE,
  name = 'Library size',
  column_names_gp = grid::gpar(fontsize = 12),
  col = viridis::viridis(n = 10),
  heatmap_legend_param = list(
    title_gp = grid::gpar(fontsize = 12)))
### PAM50
H.pam50.tcga <- ComplexHeatmap::Heatmap(
  rev(sample.info$Call),
  cluster_rows = FALSE,
  name = 'PAM50 (TCGA calls)',
  column_names_gp = grid::gpar(fontsize = 12),
  col = pam50.colors,
  heatmap_legend_param = list(
    title_gp = grid::gpar(fontsize = 12)))
### PAM50 genefu
H.pam50.genefu <- ComplexHeatmap::Heatmap(
  rev(sample.info$pam50.geneFu.fpkm),
  cluster_rows = FALSE,
  name = 'PAM50 (Genefu calls)',
  column_names_gp = grid::gpar(fontsize = 12),
  col = pam50.colors,
  heatmap_legend_param = list(
    title_gp = grid::gpar(fontsize = 12)))
### Flow cell chemistry
H.fcch <- ComplexHeatmap::Heatmap(
  rev(sample.info$FcCh),
  cluster_rows = FALSE,
  name = 'Flow cell chemistry',
  column_names_gp = grid::gpar(fontsize = 12),
  col = FcCh.colors,
  heatmap_legend_param = list(
    title_gp = grid::gpar(fontsize = 12),
    direction = "horizontal"))
ComplexHeatmap::draw(
  H.year +
    H.fcch +
    H.plate +
    H.tss +
    H.tissue +
    H.pam50.tcga +
    H.pam50.genefu +
    H.ls +
    H.purity,
  merge_legends = FALSE,
  heatmap_legend_side = 'right')

image.png

今天的推文没有对代码的细节进行研究,主要就是能够运行出结果,如果后续需要用到这个R包来作图,可以仔细研究这个R包的函数

示例数据和代码可以给推文点赞 点击在看 最后留言获取

欢迎大家关注我的公众号

小明的数据分析笔记本

小明的数据分析笔记本 公众号 主要分享:1、R语言和python做数据分析和数据可视化的简单小例子;2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记;3、生物信息学入门学习资料及自己的学习笔记!
相关文章
|
4月前
|
存储 数据采集 数据处理
R语言数据变换:使用tidyr包进行高效数据整形的探索
【8月更文挑战第29天】`tidyr`包为R语言的数据整形提供了强大的工具。通过`pivot_longer()`、`pivot_wider()`、`separate()`和`unite()`等函数,我们可以轻松地将数据从一种格式转换为另一种格式,以满足不同的分析需求。掌握这些函数的使用,将大大提高我们处理和分析数据的效率。
|
2月前
|
数据挖掘 C语言 C++
R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。
【10月更文挑战第21天】时间序列分析是一种重要的数据分析方法,广泛应用于经济学、金融学、气象学、生态学等领域。R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。本文将介绍使用R语言进行时间序列分析的基本概念、方法和实例,帮助读者掌握R语言在时间序列分析中的应用。
48 3
|
7月前
【R语言实战】——fGARCH包在金融时序上的模拟应用
【R语言实战】——fGARCH包在金融时序上的模拟应用
|
7月前
|
存储 算法 Windows
课程视频|R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例(下)
课程视频|R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例
|
7月前
|
算法 数据可视化 数据挖掘
课程视频|R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例(上)
课程视频|R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例
|
7月前
|
SQL 算法 数据可视化
R语言k-prototype聚类新能源汽车行业上市公司分析混合型数据集(上)
R语言k-prototype聚类新能源汽车行业上市公司分析混合型数据集
|
7月前
|
算法 数据挖掘 新能源
R语言k-prototype聚类新能源汽车行业上市公司分析混合型数据集(下)
R语言k-prototype聚类新能源汽车行业上市公司分析混合型数据集
|
7月前
|
前端开发 数据挖掘 数据建模
课程视频|R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例(中)
课程视频|R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例
|
3月前
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
7月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化