【DoMultiBarHeatmap】单细胞热图

生信菜鸟团

发布于 2025-07-24 15:22:31

22900

代码可运行

文章被收录于专栏：生信菜鸟团生信菜鸟团

运行总次数：0

代码可运行

我们之前学了complexheatmap包，几乎可以囊括所有热图的绘制方式，那单细胞数据的热图又该怎么画？

Single-cell RNA sequencing identifies molecular biomarkers predicting late progression to CDK4/6 inhibition in patients with HR+/HER2- metastatic breast cancer

首先，假设我们手里有一个seurat对象。

# 1. 标准化数据
seurat_object <- NormalizeData(seurat_object)

# 2. 选择变量基因
seurat_object <- FindVariableFeatures(seurat_object)

# 3. 缩放所有基因（或你感兴趣的基因）
seurat_object <- ScaleData(seurat_object)

DoHeatmap

pdf(paste0('Figure1/Figure1g.pdf'), width =8, height =7)

DoHeatmap(seurat_object,
          features = VariableFeatures(seurat_object)[1:10],
          group.by ="donor",
          group.colors = brewer.pal(n =3, name ="Set2"))+
  scale_fill_viridis()+
  theme(text = element_text(size =10),
        legend.text = element_text(size=10))+
  guides(fill=guide_legend(title=" "))
)

dev.off()

这是seurat自带的函数，也非常方便。

有没有其他方式呢？

DoMultiBarHeatmap

DoMultiBarHeatmap 是一个用于 Seurat 对象的 R 包，旨在扩展 Seurat 的 DoHeatmap 函数，生成带有多个注释条的热图。该函数最初由 Arjun Arkal Rao 在 Seurat 的 GitHub 讨论中提出，并由 Ellie Fewings 在其 GitHub 中实现和发布。

devtools::install_github("elliefewings/DoMultiBarHeatmap")

#Load library
library(DoMultiBarHeatmap)

同时还需要安装这些包：

library(ggplot2)
library(rlang)
library(Seurat)
library(magrittr)

最终完整版——

library(ggplot2)
library(viridis)
library(rlang)
library(Seurat)
library(magrittr)
library(RColorBrewer)
library(patchwork)

devtools::install_github("elliefewings/DoMultiBarHeatmap")
#Load library
library(DoMultiBarHeatmap)


# 4. 画图
unique(seurat_object$donor)
unique(seurat_object$celltype.l1)

library(RColorBrewer)

# 创建命名颜色向量
group.colors <- setNames(
  brewer.pal(n =7, name ="Set2"),
c("batch1","batch2","Progenitor cells","T cell","Mono/DC","B cell","NK")
)

# 绘图
DoMultiBarHeatmap(
  object = seurat_object,
  features = VariableFeatures(seurat_object)[1:10],
  group.by ="donor",
  additional.group.by ="celltype.l1"
)+
  scale_fill_viridis_c()+# 连续变量推荐用scale_fill_viridis_c
  scale_color_manual(values = group.colors)+
  theme(text = element_text(size =10),
        legend.text = element_text(size =10))+
  guides(fill = guide_legend(title =""))

小结

相较于 Seurat 自带的 DoHeatmap ，DoMultiBarHeatmap 的优势如下：

1. 多分组注释条 (Multiple Bar Annotations)

• DoHeatmap：只能添加单一的分组注释（一般是在热图上方显示单个分组的颜色条），比如按细胞类型或样本分组。
• DoMultiBarHeatmap：支持在热图上方添加多个分组注释条，比如同时显示 group.by（如 donor）和 additional.group.by（如 celltype.l1）两个不同维度的注释，使得信息更丰富直观。这对于多维度的细胞分组信息展示非常实用。

2. 更灵活的分组变量支持

• DoHeatmap 的分组变量支持较简单，参数设计较少。
• DoMultiBarHeatmap 允许用户传入多个分组变量，并且自动在热图上方生成对应的多个条形图注释，同时支持自定义注释颜色映射。

3. 视觉效果和展示效果更丰富

• DoHeatmap 的注释通常是单一条形，表达热图本身以热图形式展示基因表达。
• DoMultiBarHeatmap 在保留热图展示的基础上，可以更好地整合分组信息和细胞属性，增强图形的层次感，便于观察不同细胞群体和分组的表达差异。

4. 设计初衷不同

• DoHeatmap 是 Seurat 包的核心可视化函数，定位于展示基因在细胞群体中的表达。
• DoMultiBarHeatmap 是基于 Seurat 的拓展工具，主要用于同时展示多个分组维度下的细胞组成信息和基因表达，是“热图+多条形注释”的整合型工具，适合多条件多分组的数据展示。

5. 个性化体验

• DoMultiBarHeatmap 支持更多定制参数，比如多条注释的颜色、位置、是否显示条形图等，方便用户根据需要调整图形细节。

功能特点	DoHeatmap	DoMultiBarHeatmap
多个分组注释条	不支持（单分组注释）	支持（支持多个分组注释条）
分组变量灵活性	单一	多个
视觉效果	基本热图+单注释	热图+多条形注释，层次更丰富
适用场景	单一条件下基因表达展示	多条件、多分组综合展示
定制化和扩展性	基础	更强

ComplexHeatmap

ComplexHeatmap 当然也支持做单细胞的热图了！ComplexHeatmap：终极热图绘制工具

library(Seurat)
library(ComplexHeatmap)
library(circlize)
library(viridis)

# 取表达矩阵（用 scale.data 做例子）
expr_mat <- GetAssayData(seurat_object, slot ="scale.data")[VariableFeatures(seurat_object)[1:10],]

# 细胞的两个分组信息
group1 <- seurat_object$donor
group2 <- seurat_object$celltype.l1

# 转为因子，方便后续定义颜色
group1 <- factor(group1)
group2 <- factor(group2)


# donor颜色
donor_colors<- structure(viridis(length(levels(group1))),names= levels(group1))

# celltype颜色
celltype_colors<- structure(rainbow(length(levels(group2))),names= levels(group2))


col_anno <- HeatmapAnnotation(
  Donor = group1,
  CellType = group2,
  col =list(
    Donor = donor_colors,
    CellType = celltype_colors
),
  annotation_legend_param =list(
    Donor =list(title ="Donor"),
    CellType =list(title ="Cell Type")
)
)


Heatmap(
  expr_mat,
  name ="Expression",
  top_annotation = col_anno,
  show_row_names =TRUE,
  show_column_names =FALSE,
  cluster_rows =TRUE,
  cluster_columns =TRUE,
  heatmap_legend_param =list(title ="Scaled Expression")
)

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2025-07-23，如有侵权请联系 cloudcommunity@tencent.com 删除

工具