使用 aplot “拼”一个热图

关注公众号，发送R语言或Python，获取学习资料！

  Stay hungry, stay foolish!   

aplot也是一个拼图包，但是使用场景和普通的拼图R包略有不同，它可以让你的坐标轴完全对齐！这让你在拼不同类型但是又使用同一个数据的图形时，更加具有可比性。

• 安装

• 使用

• 添加边际图形

• 拼图

• 拼热图

安装

# 2选1
install.packages("aplot")

## install.packages("remotes")
remotes::install_github("YuLab-SMU/aplot")

使用

aplot是可以进行拼接简单的边际图形的，这有点类似于ggExtra，但是比ggExtra更加好用，可以自动对齐坐标轴。

添加边际图形

接下来先说一个aplot的简单应用场景，添加边际图形！

library(ggplot2)
library(aplot)

p1 <- ggplot(iris, aes(Sepal.Length,Sepal.Width))+
  geom_point(aes(color = Species))+theme_bw()
p1

plot of chunk unnamed-chunk-3

p2 <- ggplot(iris, aes(x=Species, y=Sepal.Length))+
  geom_boxplot(aes(fill=Species))+theme_bw()+labs(x=NULL)+guides(fill="none")
p2

image-20220505152731375

p3 <- ggplot(iris, aes(x=Sepal.Length))+
  geom_density(fill="steelblue",alpha=0.6)+theme_bw()
p3

plot of chunk unnamed-chunk-5

ap <- p1 %>% 
  insert_top(p3,height = 0.2) %>% 
  insert_left(p2,width = 0.1)
ap

image-20220505152755830

你看上面这个示例，可以说是成也萧何败萧何，因为它会给你对齐坐标轴，就像上图中的上下图一样，横坐标是完全一样的，对于纵坐标它也是这么处理的。所以会导致你的箱线图显示不出来！当然这和你的数据也有关系！

你可以认为这是aplot这个包不太擅长这种拼图，也可以认为是你没理解这个包的真正用处。因为下面的例子才是aplot真正的主场！

下面是更合适的用法！

拼图

比如你要组合聚类图形和其他图形时，聚类图形和热图等组合时。

library(ggtree)
## ggtree v3.2.1  For help: https://yulab-smu.top/treedata-book/
## 
## If you use ggtree in published research, please cite the most appropriate paper(s):
## 
## 1. Guangchuang Yu. Using ggtree to visualize data on tree-like structures. Current Protocols in Bioinformatics. 2020, 69:e96. doi:10.1002/cpbi.96
## 2. Guangchuang Yu, Tommy Tsan-Yuk Lam, Huachen Zhu, Yi Guan. Two methods for mapping and visualizing associated data on phylogeny using ggtree. Molecular Biology and Evolution. 2018, 35(12):3041-3043. doi:10.1093/molbev/msy194
## 3. Guangchuang Yu, David Smith, Huachen Zhu, Yi Guan, Tommy Tsan-Yuk Lam. ggtree: an R package for visualization and annotation of phylogenetic trees with their covariates and other associated data. Methods in Ecology and Evolution. 2017, 8(1):28-36. doi:10.1111/2041-210X.12628
set.seed(2020-03-27)
x <- rtree(10)
d <- data.frame(taxa=x$tip.label, value = abs(rnorm(10)))
p <- ggtree(x) + geom_tiplab(align = TRUE) + xlim(NA, 3)

library(ggstance)
## 
## 载入程辑包：'ggstance'
## The following objects are masked from 'package:ggplot2':
## 
##     geom_errorbarh, GeomErrorbarh
p2 <- ggplot(d, aes(value, taxa)) + geom_colh() + 
  scale_x_continuous(expand=c(0,0)) 

p2 %>% insert_left(p)

plot of chunk unnamed-chunk-8

你看，在这个例子中，左边和右边的图纵坐标自动对齐了，一模一样！

当然，你还可以很方便组合更多的图形，坐标轴都会给你对齐。

p3 <- ggplot(d, aes(taxa,value))+geom_line(aes(group=1))+geom_point()+coord_flip()

p2 %>% 
  insert_left(p) %>% 
  insert_right(p3,width = 0.3)

plot of chunk unnamed-chunk-9

是不是很简单？

拼热图

有了这个思路，那我们就可以联合ggplot2拼一个热图出来！

众所周知，ggplot2是可以画热图的，我前面的推文也是有介绍的，请翻看：R语言ggplot2画相关性热图

library(tidyverse)
## -- Attaching packages ----------------------------- tidyverse 1.3.1 --
## v tibble  3.1.6     v dplyr   1.0.8
## v tidyr   1.2.0     v stringr 1.4.0
## v readr   2.1.1     v forcats 0.5.1
## v purrr   0.3.4
## -- Conflicts -------------------------------- tidyverse_conflicts() --
## x tidyr::expand()            masks ggtree::expand()
## x dplyr::filter()            masks stats::filter()
## x ggstance::geom_errorbarh() masks ggplot2::geom_errorbarh()
## x dplyr::lag()               masks stats::lag()
library(ggtree)


## 编一个数据
set.seed(123)
d <- matrix(rnorm(100), ncol=10)
rownames(d) <- paste0('g', 1:10)
colnames(d) <- paste0('s', 1:10)

## 画聚类树
hc <- hclust(dist(d))
hcc <- hclust(dist(t(d)))
phr <- ggtree(hc)
phc <- ggtree(hcc) + layout_dendrogram()

phr

plot of chunk unnamed-chunk-10

phc

plot of chunk unnamed-chunk-10

## 画热图
df_heat <- as.data.frame(d) %>% 
  rownames_to_column(var = "gene") %>% 
  pivot_longer(cols = - gene, names_to = "sample",values_to = "value")

pheat <- ggplot(df_heat, aes(sample,gene,fill=value))+geom_tile()+
  scale_y_discrete(position = "right")+
  scale_fill_gradient2(low = "blue",high = "red")+
  labs(x=NULL,y=NULL)+
  theme_minimal()

pheat

plot of chunk unnamed-chunk-11

## 给热图增加一个注释条
df_anno <- data.frame(samples = paste0("s",1:10),
                      col1 = rep(LETTERS[1:3],times=c(3,3,4)),
                      col2 = rep(LETTERS[4:7],times=c(2,3,3,2))
                      )

df_anno <- df_anno %>% 
  pivot_longer(cols = 2:3,names_to = "col",values_to = "split")
df_anno
## # A tibble: 20 x 3
##    samples col   split
##    <chr>   <chr> <chr>
##  1 s1      col1  A    
##  2 s1      col2  D    
##  3 s2      col1  A    
##  4 s2      col2  D    
##  5 s3      col1  A    
##  6 s3      col2  E    
##  7 s4      col1  B    
##  8 s4      col2  E    
##  9 s5      col1  B    
## 10 s5      col2  E    
## 11 s6      col1  B    
## 12 s6      col2  F    
## 13 s7      col1  C    
## 14 s7      col2  F    
## 15 s8      col1  C    
## 16 s8      col2  F    
## 17 s9      col1  C    
## 18 s9      col2  G    
## 19 s10     col1  C    
## 20 s10     col2  G


pheat_anno <- ggplot(df_anno,aes(samples,col,fill=split))+geom_tile()+
  scale_y_discrete(position = "right")+
  labs(x=NULL,y=NULL)+
  theme_minimal()+
  theme(axis.text.x = element_blank(), 
        axis.ticks.x = element_blank())

pheat_anno

plot of chunk unnamed-chunk-12

一个热图的基本组件就画完了，接下来就可以愉快的组图了！

pheat %>% 
  insert_top(pheat_anno,height = 0.1) %>% 
  insert_top(phc,height = 0.1) %>% 
  insert_left(phr,width = 0.1)

plot of chunk unnamed-chunk-13

你看着这图，是不是很像模像样？你分别画了4个图，但是经过神奇的操作之后，它就变成了一个热图！这就是aplot这个包最神奇的地方。

既然如此，那么再组合其他图形也是不在话下了！

## 再画一个箱线图
pbox <- ggplot(df_heat,aes(gene,value))+
  geom_boxplot()+
  theme_minimal()+
  theme(axis.text.y = element_blank(), 
        axis.ticks.y = element_blank())+
  coord_flip()+
  labs(x=NULL,y=NULL)
pbox

plot of chunk unnamed-chunk-14

全部组合到一起！

pheat %>% 
  insert_top(pheat_anno,height = 0.1) %>% 
  insert_top(phc,height = 0.1) %>% 
  insert_left(phr,width = 0.1) %>% 
  insert_right(pbox,width = 0.3)

Snipaste_2022-05-05_12-55-26

大功告成！

就是这么神奇！就是这么简单，且好玩！

大家快快操作起来！

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！

 
End

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