【拿捏热图/详细注释】pyComplexHeatmap系列（二）之大型复杂注释热图绘制

KS科研分享与服务-TS的美梦

发布于 2025-12-20 17:20:46

920

接着上一节的介绍（【拿捏热图/详细注释】pyComplexHeatmap系列（一）之基础绘制之差异基因聚类热图并标注关键基因）。从简单的入手了解函数的基本用法，然后就可以使用复杂的绘制了，万变不离其宗，关于大型热图，其实也就是多了更多的注释分组，数据集更大而已，思路与基础绘图是没有什么太大区别的。我们使用pyComplexHeatmap库官方教材提供的示例数据进行解读演示！与R中ComplexHeatmap相比，在处理可视化大型数据集上，pyComplexHeatmap的能力更强，出图很快。

虽然数据和示例使用的是官网教程，但是我们演示了一些其他操作：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import PyComplexHeatmap as pch
#from PyComplexHeatmap import * #导入所有类与函数

#read data
data=pd.read_csv("https://raw.githubusercontent.com/DingWB/PyComplexHeatmap/main/data/Loyfer2023.meth.csv",sep='\t',index_col=0)
df_row=pd.read_csv("https://raw.githubusercontent.com/DingWB/PyComplexHeatmap/main/data/Loyfer2023.meth.rows.csv",sep='\t',index_col=0)
df_col=pd.read_csv("https://raw.githubusercontent.com/DingWB/PyComplexHeatmap/main/data/Loyfer2023.meth.cols.csv",sep='\t',index_col=0)

#可视化矩阵是一个dataframe，单细胞甲基化数据，行是甲基化信息，列是celltype
data.head()

#对行数据的注释文件
#注释文件的index要与data矩阵顺序一致
df_row.head()

#对列的注释文件
#注释文件的index要与data矩阵顺序一致
df_col.head()

#设置分组颜色，使用字典一一对应
#这个配色还是挺好的，可以保留使用
col_colors_dict={
                'Adipocytes':'#1E93AE','Bladder-Ep':'#FF9C00','Blood-B':'#A40043','Blood-Granul':'#FF9F7F',
                'Blood-Mono+Macro':'#FF7F00','Blood-NK':'#FF2E8D','Blood-T':'#CC0043','Bone-Osteob':'#E5E5E5',
                'Breast-Basal-Ep':'#CC4407','Breast-Luminal-Ep':'#CC843D','Colon-Ep':'#663D28','Dermal-Fibro':'#1E937C',
                'Epid-Kerat':'#1E93AE','Eryth-prog':'#40705F','Fallopian-Ep':'#009351','Gallbladder':'#E7E4BF',
                'Gastric-Ep':'#CCA300','Head-Neck-Ep':'#002929','Heart-Cardio':'#FF99AA','Heart-Fibro':'#FF99FF',
                'Kidney-Ep':'#F6FF99','Liver-Hep':'#6CBF00','Lung-Ep-Alveo':'#BA99FF','Lung-Ep-Bron':'#CCCCFF',
                'Neuron':'#9e542e','Oligodend':'#2ca02c','Pancreas-Acinar':'#DF7F00','Pancreas-Beta':'#FFD866',
                'Pancreas-Delta':'#FFCC32','Pancreas-Duct':'#7F4C33','Skeletal-Musc':'#FFCCEE','Small-Int-Ep':'#CC9951',
                'Smooth-Musc':'#1E93AE','Thyroid-Ep':'#B2BFFF'}

#注释信息，原图演示了左右顶部的注释，但是一般plot热图，顶部和左侧注释即可，右侧可以选择展示部分行名
#pyComplexHeatmap的注释还是比较好整的，只需要HeatmapAnnotation一个函数
#anno_label用于设置标签文字
#anno_simple用于设置注释条
#顶部列注释
col_ha = pch.HeatmapAnnotation(label=pch.anno_label(df_col['Group'],#注释文件的列分组
                                                    merge=True,#有些group包含多个内容，相邻的合并
                                                    rotation=90,#文字旋转 90°，垂直显示
                                                    extend=True,#是否所有标签均一分布，这样不至于标签拥挤
                                                    colors=col_colors_dict,#注释分组颜色，标签颜色设置与分组一致，也可以直接设置为一种颜色
                                                    adjust_color=True,#自动调整文字颜色对比度（让字不被背景色淹没）
                                                    luminance=2,#背景色亮度
                                                    relpos=(0.5,0),#指示标签起点终点位置,x=0.5为注释条居中位置，y=0为底部对齐
                                                    fontsize=10),#注释文字大小
                               Group=pch.anno_simple(df_col['Group'],#注释文件的列分组
                                                     colors=col_colors_dict), #注释分组颜色
                               legend_kws={'fontsize':4},#legend设置
                               label_kws=dict(visible=False),#不展示注释标签标题，也就是分组标题
                               verbose=1,#打印运行信息
                               axis=1)#注释方向，因为行列注释都是使用HeatmapAnnotation，所以用来区分，1表示列注释，0表示行注释

#关于行的注释函数参数与列是一样的
left_ha = pch.HeatmapAnnotation(
                          label=pch.anno_label(df_row['Group'],merge=True,extend=True,
                                            colors=col_colors_dict,adjust_color=True,luminance=0.75,
                                              relpos=(1,0.5)),
                           Group=pch.anno_simple(df_row['Group'],legend=True,
                                             colors=col_colors_dict),
                           verbose=1,axis=0,plot_legend=False,
    label_kws=dict(visible=False))#不展示注释标签标题，也就是分组标题

#右侧注释，展示部分行名，因为行名有很多，选择关键的进行展示
#这里我们随机挑战部分展示，实际情况可以展示关键信息或者感兴趣的
#随机挑选50个用于展示
import random
lable_genes= random.sample(data.index.to_list(), 50)
label_rows = data.apply(lambda x:x.name if x.name in lable_genes else None,axis=1)      
#设置需要标注的name颜色与分组一致便于识别
#这里是识别需要标注的label属于哪个分组，然后提取其对应分组的颜色后形成字典
label_color_dict = {
    labels: col_colors_dict.get(df_row.loc[labels, 'Group'], None)
    for labels in lable_genes
    if labels in df_row.index
}
#default_color = "#CCCCCC"
#gene_color_dict = {
#    gene: color_dict.get(df.loc[gene, 'group'], default_color)
#    if gene in df.index else default_color
#    for gene in gene_list
#}
row_ha_right = pch.HeatmapAnnotation(
    selected=pch.anno_label(label_rows, colors=label_color_dict,relpos=(0,0.5),merge=True,extend=True),#关于标签设置
    orientation='right',#注释文字位置取向
    axis=0,
    verbose=1)

#plot 热图
plt.figure(figsize=(6, 10))#图片尺寸
cm = pch.ClusterMapPlotter(data=data.loc[df_row.index.tolist(),df_col.index.tolist()],#data was sorted to have the same Group order for rows and columns
                           top_annotation=col_ha, 
                           left_annotation=left_ha,
                           right_annotation=row_ha_right,
                           row_cluster=False,
                           col_cluster=False,
                           label='beta',
                           legend_gap=7,
                           cmap='parula',
                           rasterized=True,
                           xlabel="Cell Types", 
                           legend_hpad=0,
                           xlabel_kws=dict(color='black', fontsize=14, labelpad=0)
                          )
#plt.savefig("Loyfer2023_heatmap.pdf",bbox_inches='tight') #图片保存为当前路径pdf文件
plt.show()