封面
從這個(gè)系列開(kāi)始，師兄就帶著大家從各大頂級(jí)期刊中的Figuer入手，從仿照別人的作圖風(fēng)格到最后實(shí)現(xiàn)自己游刃有余的套用在自己的分析數(shù)據(jù)上！這一系列絕對(duì)是高質(zhì)量！還不趕緊點(diǎn)贊+在看，學(xué)起來(lái)！
本期分享的是期刊：J Am Soc Nephrol上面一篇文章中的一個(gè)復(fù)雜熱圖+漸變色連線！
示例數(shù)據(jù)和代碼獲取
參考文獻(xiàn)
話不多說(shuō)，直接上圖！
讀圖
原圖
效果展示
復(fù)現(xiàn)效果
示例數(shù)據(jù)完全虛擬構(gòu)建，無(wú)實(shí)際意義！此外這次的圖形在AI中進(jìn)行了細(xì)微的調(diào)整，代碼復(fù)現(xiàn)后，大家也可以手動(dòng)嘗試一下！
數(shù)據(jù)構(gòu)建
library(ggplot2)
library(ComplexHeatmap)
library(ggforce)
# 構(gòu)建示例數(shù)據(jù):
LU_matrix <- matrix(runif(70, 0, 0.5), nrow = 10, ncol = 7)
RD_matrix <- matrix(runif(105, -0.5, 0), nrow = 15, ncol = 7)
RU_matrix <- matrix(runif(30, -0.5, 0), nrow = 10, ncol = 3)
LD_matrix <- matrix(runif(45, 0, 0.5), nrow = 15, ncol = 3)
data <- rbind(cbind(LU_matrix, RU_matrix), cbind(RD_matrix, LD_matrix))
rownames(data) <- paste0("gene", 1:nrow(data))
colnames(data) <- paste0("sample", 1:ncol(data))
data[1:5, 1:5]
# sample1 sample2 sample3 sample4 sample5
# gene1 0.3131575 0.25730166 0.16792109 0.01307018 0.30757497
# gene2 0.0686659 0.02419527 0.21418035 0.43881553 0.17062910
# gene3 0.2613189 0.36180567 0.26212484 0.25380708 0.02827532
# gene4 0.4033809 0.49797550 0.09943902 0.09800037 0.42676588
# gene5 0.4266993 0.09472528 0.04880730 0.17731476 0.19154542
熱圖
# 設(shè)置顏色：
library(circlize)
col_fun <- colorRamp2(c(-0.5, 0, 0.5), c("#04a3ff", "#ffffff","#ff349c"))
# 繪制熱圖：
# 由于只是示例，左右采用相同的矩陣：
p1 <- Heatmap(data,
# 設(shè)置顏色：
col = col_fun,
# 調(diào)整熱圖格子的邊框顏色和粗細(xì)：
rect_gp = gpar(col = "white", lwd = 1),
# 去掉聚類樹(shù)：
cluster_columns = F,
cluster_rows = F,
# show_row_dend = F,
# show_column_dend = F,
# 列標(biāo)題旋轉(zhuǎn)角度：
column_names_rot = -45,
# 添加文字
cell_fun = function(j, i, x, y, width, height, fill) {
grid.text(sprintf("%.2f", data[i, j]), x, y, gp = gpar(fontsize = 5))},
# 去掉圖例：
show_heatmap_legend = F
)
# 繪制熱圖：
# 由于只是示例，左右采用相同的矩陣：
p2 <- Heatmap(data,
# 設(shè)置顏色：
col = col_fun,
# 調(diào)整熱圖格子的邊框顏色和粗細(xì)：
rect_gp = gpar(col = "white", lwd = 1),
# 去掉聚類樹(shù)：
cluster_columns = F,
cluster_rows = F,
# show_row_dend = F,
# show_column_dend = F,
# 列標(biāo)題旋轉(zhuǎn)角度：
column_names_rot = 45,
# 添加文字
cell_fun = function(j, i, x, y, width, height, fill) {
grid.text(sprintf("%.2f", data[i, j]), x, y, gp = gpar(fontsize = 5))},
# 去掉圖例：
show_heatmap_legend = F,
# 行名靠左：
row_names_side = "left"
)
熱圖
基因連線
# 構(gòu)建基因連線數(shù)據(jù)：
lines <- data.frame(
x = as.character(c(rep(1, 25),rep(2,25))),
y = c(sample(1:25), sample(1:25)),
group = rep(1:25, 2)
)
p3 <- ggplot(lines) +
geom_link2(aes(x = x, y = y, group = group,
colour = stat(index)
), size = 2)+
scale_colour_gradient2(low = "#04a3ff", mid = "#ffffff", high = "#ff349c",
midpoint = 0.5)+
geom_point(aes(x, y, group = group, fill = x), shape = 21, color = "#fc1e1e", size = 4)+
scale_fill_manual(values = c("#04a3ff", "#ff349c"))+
# 空白主題：
theme_minimal() +
theme(
legend.position = "none",
axis.title.x = element_blank(),
axis.title.y = element_blank(),
panel.border = element_blank(),
panel.grid=element_blank(),
axis.ticks = element_blank(),
axis.text = element_blank(),
plot.title=element_text(size=0, face="bold")
)
image-20220727162807564.png
拼圖
# 拼圖
library(patchwork)
library(ggplotify)
layout <- c(
area(t = 1, l = 1, b = 6, r = 3),
area(t = 1, l = 3, b = 6, r = 7),
area(t = 1, l = 7, b = 6, r = 9)
)
as.ggplot(p1) + p3 + as.ggplot(p2) + plot_layout(design = layout)
ggsave("heatmap.pdf",height = 8, width = 12)
結(jié)果展示
結(jié)果展示
示例數(shù)據(jù)和代碼獲取
以上就是本期的全部?jī)?nèi)容啦！歡迎點(diǎn)贊，點(diǎn)在看！師兄會(huì)盡快更新哦！制作不易，你的打賞將成為師兄繼續(xù)更新的十足動(dòng)力！
往期文章
- 跟著Nature Medicine學(xué)作圖--箱線圖+散點(diǎn)圖
- 跟著Nature Communications學(xué)作圖--漸變火山圖
- 跟著Nature Communications學(xué)作圖--氣泡圖+相關(guān)性熱圖
- 跟著Nature Communications學(xué)作圖 -- 復(fù)雜提琴圖
- 跟著Nature Communications學(xué)作圖 -- 復(fù)雜熱圖
- 跟著Nature Communications學(xué)作圖--復(fù)雜散點(diǎn)圖
- 跟著Nature Communications學(xué)作圖 -- 復(fù)雜百分比柱狀圖
- 跟著Molecular Cancer學(xué)作圖 -- 分半小提琴圖
