ComplexHeatmap热图样式分享-样本簇树聚类和基因表达量统计注释展示

关注

VIP免费原创最新推荐文章于 2026-05-07 08:15:00 发布 1.5k 阅读 AI 写同款· GEO 优化 ›

（七）单细胞数据分析——CellChat细胞间通讯差异分析 Cellchat差异分析不同组织之间的细胞间通讯结果，主要关注的是不同细胞群之间的细胞间通讯有何种差异！阅读详情

热图（Heatmap）作为展示基因表达模式最直观的工具。
它经常用在分子生物学文章里（尤其是microarray, RNA-seq相关论文）直观地呈现多样本多个基因的全局表达量变化，和呈现多样本或多基因表达量的聚类关系。

本文重点介绍如何用ComplexHeatmap::Heatmap的方法在热图上展示全样本的基因表达量情况的同时，在样本组水平上展示簇间的聚类关系（如果样本太多，则展示样本间的聚类关系将变得非常不直观）。
阅读本文你掌握一定的ComplexHeatmap绘图语法，以及收获热图样式代码一份。

###测试数据集准备

future::plan("multiprocess", workers = 6);options(future.globals.maxSize = 100000 * 1024^5) #设置任务多线程
##Data process >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
scRNA <- readRDS("test.RDS")  #加载Seurat对象数据
### 计算seurat_cluster间的 差异基因
markers <- FindAllMarkers(object = scRNA, only.pos = FALSE, min.pct = 0.25, logfc.threshold = 0.25)
### 挑选每个cluster top5 的基因画表达热图
select.features <- markers %>% group_by(cluster) %>% top_n(n = 5, wt = avg_log2FC) 
### 随机为 细胞样本分配一个模拟标签
scRNA@meta.data$sample <- sample(c("species.1","species.2","species.3","species.4"),size = ncol(scRNA),replace = T) 
### 提取Seurat绘制热图的矩阵数据
data <- Seurat::DoHeatmap(scRNA, features = select.features$gene, group.by = "seurat_clusters", group.bar = T, size = 4)$data 
### 提取细胞标识
cell.meta <- scRNA@meta.data %>% tibble::rownames_to_column(var="Cell") %>% 
  select(Cell,seurat_clusters,sample) %>% 
  arrange(seurat_clusters) %>% mutate(Identity = seurat_clusters)

### 长数据转换宽数据
counts <- data %>% select(!Identity) %>% 
  tidyr::pivot_wider(names_from =  Cell, values_from = Expression) %>%