手把手教你复现一篇CNS级别美图！附代码，建议收藏！
CNS级别的美图复现起来难不难？小白也能快速上手（附代码）（二）
小白课堂
学个R包，复现一张CNS级别美图（附代码）
学一个R包给文章加一张CNS级别的美图（四）
学一个R包给文章加一张CNS级别的美图（五）
学一个R包给文章加一张CNS级别的美图（六）
拆和叠？原来你和高阶论文的图片就差这点
可繁可简，可盐可甜，这才是upst的真面目吧！
高分文章不讲xx，竟然用这种图片
荡气回肠一柄剑，看T细胞舍生取义
CancrCll的一张美图送给你，新年也发个CC
ComplxHatmap系列学习了这么长的时间,我们从最开始的参数学习，到不断升级组合搭配，再到现在复现高级论文的图片，总共经历了n期，也给大家展示了学习一个R包从无到有到升华的基本过程，现在也到了收尾的时候了，所以这将是ComplxHatmap最后一期的内容，同样提醒大家如果你使用了ComplxHatmap包，请记得引用相关文献：发表于bioinformatics的这篇文献“Gu,Z.()Complxhatmapsrvalpattrnsandcorrlationsinmultidimnsionalgnomicdata.DOI:10./bioinformatics/btw”，我们今天一样以复现一张文章图片作为最后一期：这一样是一张组合图，通过热图和叠加柱状图展示一份数据的多个维度：1.行名是样本名，总共有8个样本分为组；.列名跟我们以前看到的图片都不一样，直接展示多种不同的注释内容，包括Manmthylation、NumbrofDMRs、SignificantlycorrlatdgnsDistanctoTSS、Gnannotation、CGIannotation、Enrichmnttognomicfaturs、OvrlaptoChromatinstats、Enrichmnttochromatinstats，用叠加柱状图和热图展示不同数据。
这张图片咋看简单，仔细一看，感觉比上回画的热图还难是不？上回画的热图好歹还能看出来规律，这一次就像是多个图片直接拼接在一起，难道这真的是多个图拼在一起？我们复现试试：数据处理
画图第一步，同样是熟悉我们的数据，数据同样在后台回复关键词获取，我们先将数据读取进来：
rm(list=ls())#加载R包library(ComplxHatmap)library(circliz)library(RColorBrwr)#读取数据load("data.rda")#加载数据后发现数据有10个List，老规矩，看看都有什么内容：Viw(lt)nams(lt)##[1]"labl""man_mth""n_gr""n_corr"##[5]"dist_tss""gn_anno""cgi_anno""mat_nrich_gf"##[9]"mat_pct_st""mat_nrich_st"#labl：DMRs集的标签，存在四个亚组的DMR，对于每个子组，DMR分为高甲基化DMR和低甲基化DMR。#man_mth：肿瘤样品和正常样品中DMR的平均甲基化水平。#n_gr：每组中DMR的数量。#n_corr：与邻近基因有显着相关性的DMR的百分比，分别计算正相关和负相关。#dist_tss：到邻近基因TSS的距离,该值是当前集中DMR的比例。#gn_anno：与基因或基因间区域重叠的DMR的比例。#cgi_anno：与CpG岛屿或CGI重叠的DMR的比例。#mat_nrich_gf：扩充到一系列基因组的特征。#mat_pct_st：与染色质状态重叠的DMR的比例。#mat_nrich_st：染色质状态的富集。#由于后续画图所有数据都来源于数据集lt，为了简化代码，我们使用attach函数锁定画图数据，将所有这些变量附加到工作环境中：attach(lt）
自定义颜色
接下来我们需要定义颜色，因为我们有很多统计数据要可视化：
#使用RColorBrwr包和circliz包的配色找到自己喜欢的配色display.brwr.all()
#这里提取St3的配色方案brwr.pal(1,"St3")##[1]"#8DD3C7""#FFFFB3""#BEBADA""#FB""#80B1D3""#FDB46""#B3DE69"##[8]"#FCCDE5""#D9D9D9""#BC80BD""#CCEBC5""#FFED6F"?colorRamp#接下来进行配色mth_col_fun=colorRamp(c(0,0.5,1),c("#80B1D3","whit","#FB"))corr_col=c("blu","rd")dist_tss_col=c("#8DD3C7","#FFFFB3","#BEBADA","#FB")gn_anno_col=c("#BEBADA","blu")cgi_anno_col=c("#B3DE69","#FCCDE5")z_scor_col_fun=colorRamp(c(-00,0,00),c("#80B1D3","whit","rd"))stat_col=c("#FF","#","#CE","#8A91D0","#CD5C5C","#","#00")
开始画图
跟前面画的其他图一样，我们先构建热图注释：
#热图list的构建非常简单，每个统计信息都构造为热图或行注释#构建行注释ht_list=rowAnnotation(txt=anno_txt(labl,location=unit(1,"npc"),just="right",gp=gpar(fontsiz=1)))ht_list##AHatmapAnnotationobjctwith1annotation##nam:hatmap_annotation_0##position:row##itms:8##width:1.mm##hight:1npc##thisobjctissubstabl####namannotation_typcolor_mappingwidth##txtanno_txt()1.mm#使用Hatmap函数叠加热图，然后使用rowAnnotation叠加注释信息，这里使用图形注释ht_list=ht_list+Hatmap(man_mth,nam="man_mth",col=mth_col_fun,clustr_rows=FALSE,row_titl=NULL,clustr_columns=FALSE,show_row_nams=FALSE,hatmap_lgnd_param=list(titl="Mthylation"),width=ncol(man_mth)*unit(4,"mm"))+rowAnnotation("n_gr"=anno_barplot(n_gr,bar_width=1,width=unit(3,"cm")),show_annotation_nam=FALSE)+rowAnnotation("n_corr"=anno_barplot(n_corr,bar_width=1,gp=gpar(fill=corr_col),width=unit(3,"cm")),show_annotation_nam=FALSE)+rowAnnotation("dist_tss"=anno_barplot(dist_tss,bar_width=1,gp=gpar(fill=dist_tss_col),width=unit(3,"cm")),show_annotation_nam=FALSE)+rowAnnotation("gn_anno"=anno_barplot(gn_anno,bar_width=1,gp=gpar(fill=gn_anno_col),width=unit(3,"cm")),show_annotation_nam=FALSE)+rowAnnotation("cgi_anno"=anno_barplot(cgi_anno,bar_width=1,gp=gpar(fill=cgi_anno_col),width=unit(3,"cm")),show_annotation_nam=FALSE)+Hatmap(mat_nrich_gf,nam="nrich_gf",col=z_scor_col_fun,clustr_columns=FALSE,width=unit(ncol(mat_nrich_gf)*4,"mm"),column_titl="",hatmap_lgnd_param=list(titl="Z-scor"))+rowAnnotation("pct_st"=anno_barplot(mat_pct_st,bar_width=1,gp=gpar(fill=stat_col),width=unit(3,"cm")),show_annotation_nam=FALSE)+Hatmap(mat_nrich_st,nam="nrich_st",col=z_scor_col_fun,clustr_columns=FALSE,width=unit(ncol(mat_nrich_st)*6,"mm"),column_titl="",show_hatmap_lgnd=FALSE,column_nams_gp=gpar(col=stat_col),show_row_nams=FALSE)ht_list
#前面我们看到的多种图形，其实只需要用我们之前讲过的图形注释，然后使用+连接即可
由于注释条形图不会生成图例，因此我们可以使用Lgnd（）函数手动构造这些图例：
#构建图例lgd_list=list(Lgnd(labls=c("gn","intrgnic"),titl="Gnannotation",lgnd_gp=gpar(fill=gn_anno_col)),Lgnd(labls=c("1kb","1kb~5kb","5kb~10kb","10kb"),titl="DistanctoTSS",lgnd_gp=gpar(fill=dist_tss_col)),Lgnd(labls=c("CGI","CGIshor"),titl="CGIannotation",lgnd_gp=gpar(fill=cgi_anno_col)),Lgnd(labls=colnams(mat_nrich_st),titl="Chromatinstats",lgnd_gp=gpar(fill=stat_col)))
最后就到了绘制图片的时候了，还是使用draw函数将上面的结果整合在一起，观察原始图片发现，在绘制热图时，所有热图和注释的行都分为两个主要组，所以在对应于平均甲基化矩阵的第一个Hatmap()中，我们将row_titl=NULL设置为从行拆分中删除行标题,由于我们将为注释添加标题，因此我们通过padding参数在整个绘图区域的顶部设置为空白，同样，我们将自定义图例列表连接到热图图例列表，并将它们水平放置在热图列表的底部：
draw(ht_list,padding=unit(c(,,0,),"mm"),row_split=gsub("\\d+$","",labl),hatmap_lgnd_list=lgd_list,hatmap_lgnd_sid="bottom")anno_titl=c("n_gr"="Numbrof\nDMRs","n_corr"="Significantly\ncorrlatdgns","gn_anno"="Gnannotation","dist_tss"="DistanctoTSS","cgi_anno"="CGIannotation","pct_st"="Ovrlapto\nChromatinstats")for(aninnams(anno_titl)){dcorat_annotation(an,{grid.txt(anno_titl[an],y=unit(1,"npc")+unit(3,"mm"),just="bottom")})}ht_titl=c("man_mth"="Man\nmthylation","nrich_gf"="Enrichmntto\ngnomicfaturs","nrich_st"="Enrichmntto\nchromatinstats")for(aninnams(ht_titl)){dcorat_hatmap_body(an,{grid.txt(ht_titl[an],y=unit(1,"npc")+unit(3,"mm"),just="bottom")})}
这样我们整个图片就复现完成啦，其实使用的方法都在我们前面的推文都讲解过了，这些图片也只是看着好像很难，用了合适的参数之后代码也就那么多行！好啦，这也是我们ComplxHatmap系列最后一起推文，同时也是我们CNS美图复现系列专栏系列最后一期了，在本专栏中，我们利用ComplxHatmap包，给大家展示了多种复合图形的画法，这个过程包括突变图、单细胞数据处理、甲基化数据处理和复合热图、多维度数据整合等等内容，这些内容都可以让你的文章与众不同，即使是水文，也会看起来不那么水！在文章中展示高阶图片，让自己的内容显得不那么单调，同时在一个图片中展示多种信息，这是可视化独特的魅力，不要再说可视化简单了，如果你觉得可视化简单，那就找一张自己觉得好看的图片，然后去复现它，我“*”一顿地摊美食，很多说“可视化简单”的人，你拿一张图片给他们，他们其实从哪里开始复现都不知道(●ˇ?ˇ●)。
美图复现系列到此结束，虽然没有赶上00和01新旧交替的时候，但是也相差不远，我们即将开始新的篇章，高人气国漫《一人之下》中，王也道长说过一句经典名言：“过去无可挽回，未来可以改变”！如果你没登上上一班车，那请在车门关闭之前踏上下一班车，00无可挽回，01可以改变，我在01的新篇章等你！
后台回复“fng3”获得本次代码和绘图数据，我们下次再见吧！*^_^*
—END—撰文丨风风排版丨四金兄值班风风主编丨小雪球
欢迎大家