韦恩图进阶！complexheatmap包画upset plot

关注公众号，发送R语言或Python，获取学习资料！

     Try to learn everything about something! 

书接上回！！！！

前面介绍了多种韦恩图的画法，详细介绍了upsetR画upset plot的方法。

今天继续介绍upset plot，使用complexhatmap包。

构造数据

还是使用之前一直用的数据，新建一个7个元素的列表。

library(ComplexHeatmap)
## 载入需要的程辑包：grid
## ========================================
## ComplexHeatmap version 2.10.0
## Bioconductor page: http://bioconductor.org/packages/ComplexHeatmap/
## Github page: https://github.com/jokergoo/ComplexHeatmap
## Documentation: http://jokergoo.github.io/ComplexHeatmap-reference
## 
## If you use it in published research, please cite:
## Gu, Z. Complex heatmaps reveal patterns and correlations in multidimensional 
##   genomic data. Bioinformatics 2016.
## 
## The new InteractiveComplexHeatmap package can directly export static 
## complex heatmaps into an interactive Shiny app with zero effort. Have a try!
## 
## This message can be suppressed by:
##   suppressPackageStartupMessages(library(ComplexHeatmap))
## ========================================

sets <- list(
  a = sample(1:500,300),
  b = sample(1:500,350),
  c = sample(1:500,420),
  d = sample(1:500,300),
  e = sample(1:500,400),
  f = sample(1:500,380),
  g = sample(1:500,400)
)

complexheatmap包提供了一个非常简单的函数可以把列表变为矩阵，同时也是画upsetplot图用到的格式：

m <- make_comb_mat(sets)

head(m)
## A combination matrix with 6 sets and 56 combinations.
##   ranges of combination set size: c(1, 61).
##   mode for the combination size: distinct.
##   sets are on rows.
## 
## Top 8 combination sets are:
##   a b c d e f   code size
##   x x x x x x 111111   61
##   x x x   x x 111011   56
##     x x x x x 011111   44
##   x   x x x x 101111   28
##     x x   x x 011011   23
##   x x x x x   111110   22
##   x   x   x x 101011   18
##       x   x x 001011   18
## 
## Sets are:
##   set size
##     a  300
##     b  350
##     c  420
##     d  300
##     e  400
##     f  380

基础画图

然后就可以直接画图了：

UpSet(m)

image-20220429100119255

默认出来的图形不是很好看，可以通过几个参数进行调整。

m <- make_comb_mat(sets, top_n_sets = 5) # 为了方便选5个集合
ss = set_size(m) # 计算每个集合的大小
cs = comb_size(m) # 计算每个交集的大小

ss
##   b   c   e   f   g 
## 350 420 400 380 400
cs
## 11111 11110 11101 11011 10111 01111 11100 11010 11001 10110 10101 10011 01110 
##   148    36    42    33    29    66    13     4    12     6     7     8    13 
## 01101 01011 00111 11000 10100 10010 10001 01100 01010 01001 00110 00101 00011 
##    14    13     7     2     4     2     3     7     7     9     3     4     5 
## 10000 01000 00100 
##     1     1     1

接下俩进行简单的调整：

UpSet(m, set_order = order(ss), # 集合顺序
      comb_order = order(-cs), # 交集顺序
      pt_size = unit(5,"mm"), lwd = 3, # 点的大小，线条粗细
      comb_col = c("tomato","skyblue"), # 交集颜色
      bg_col = c("#F0F0FF", "#FFF0F0"), # 背景色
      bg_pt_col = "black" # 不在交集中的点的颜色
      )

image-20220429100139798

基本的绘图参数就这几个，不太够用，但是既然是complexheatmap，那肯定可以有超多自定义的细节。

upset as heatmap

可以通过把upset plot当过热图来看，基础的矩阵部分由*upset()*函数完成，剩余的条形图都通过画热图的方式搞定。

UpSet(m, set_order = order(ss), comb_order = order(-cs),
      
      bg_pt_col = "grey80",
      
      # 上方条形
      top_annotation = upset_top_annotation(
        m,height = unit(8,"cm"),
        add_numbers = T,
        gp = gpar(col = comb_degree(m))
        ),
      
      # 左侧条形
      left_annotation = upset_left_annotation(
        m,
        add_numbers = T,
        gp = gpar(fill = "skyblue",col="skyblue")
        )
      
      )

image-20220429100158197

是不是很强，如果你还不了解complexheatmap的强大用法，请翻看我之前的推文，关于这个包我一共写了8篇教程，方方面面都介绍到了！

movies数据集

下面还是使用之前用过的movies数据集进行演示，看看complexheatmap包画热图的强大之处。

movies <- read.csv(system.file("extdata", "movies.csv", package = "UpSetR"), 
    header = T, sep = ";")

str(movies)
## 'data.frame': 3883 obs. of  21 variables:
##  $ Name       : chr  "Toy Story (1995)" "Jumanji (1995)" "Grumpier Old Men (1995)" "Waiting to Exhale (1995)" ...
##  $ ReleaseDate: int  1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 ...
##  $ Action     : int  0 0 0 0 0 1 0 0 1 1 ...
##  $ Adventure  : int  0 1 0 0 0 0 0 1 0 1 ...
##  $ Children   : int  1 1 0 0 0 0 0 1 0 0 ...
##  $ Comedy     : int  1 0 1 1 1 0 1 0 0 0 ...
##  $ Crime      : int  0 0 0 0 0 1 0 0 0 0 ...
##  $ Documentary: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Drama      : int  0 0 0 1 0 0 0 0 0 0 ...
##  $ Fantasy    : int  0 1 0 0 0 0 0 0 0 0 ...
##  $ Noir       : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Horror     : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Musical    : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Mystery    : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Romance    : int  0 0 1 0 0 0 1 0 0 0 ...
##  $ SciFi      : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Thriller   : int  0 0 0 0 0 1 0 0 0 1 ...
##  $ War        : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Western    : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ AvgRating  : num  4.15 3.2 3.02 2.73 3.01 3.88 3.41 3.01 2.66 3.54 ...
##  $ Watches    : int  2077 701 478 170 296 940 458 68 102 888 ...

m <- make_comb_mat(movies, top_n_sets = 6)

画图，本质上还是画热图的各个部分：

genre <- c("Action", "Romance", "Horror", "Children", "SciFi", "Documentary")

m <- make_comb_mat(movies[, genre])
m <- m[comb_degree(m) > 0]
comb_elements <- lapply(comb_name(m), function(nm) extract_comb(m, nm))
years <- lapply(comb_elements, function(ind) movies$ReleaseDate[ind])
rating <- lapply(comb_elements, function(ind) movies$AvgRating[ind])
watches <- lapply(comb_elements, function(ind) movies$Watches[ind])

UpSet(t(m)) + rowAnnotation(years = anno_boxplot(years),
    rating = anno_boxplot(rating),
    watches = anno_boxplot(watches),
    gap = unit(2, "mm"))

plot of chunk unnamed-chunk-8

以上就是使用complexheatmap包画upset plot的用法，和upsetR各有千秋，个人感觉还是upsetR更加强大一点。

你们喜欢哪一个呢？

以上就是今天的内容，希望对你有帮助哦！欢迎点赞、在看、关注、转发！

欢迎在评论区留言或直接添加我的微信！

完

欢迎关注公众号：医学和生信笔记

“

医学和生信笔记 公众号主要分享：1.医学小知识、肛肠科小知识；2.R语言和Python相关的数据分析、可视化、机器学习等；3.生物信息学学习资料和自己的学习笔记！

往期回顾