近日，看到-生信作曲家-发的帖子，展示的内容是单细胞差异基因的图，是利用热图的形式展现的，在一个热图上可以展示不同cluster中不同组的基因表达阳性细胞比例，差别一目了然，可以同时展示很多的基因。
首先构建作图数据，我们用最“笨”的办法吧，分别找出不同细胞类型下，两组之间（GM， BM）的差异基因，这里设置阈值为0，让所有基因都保留下来。然后设置需要查看或者展示的基因，分别在各个差异基因文件中提取这些基因的表达数据，我们需要的数据是ptc1和ptc2这两列，分别对应两个分组。最后将所有细胞差异基因中提取的数据进行合并就可以作图。
#Macrophage <- subset(immune, celltype=='Macrophage')
#Macrophage <- FindMarkers(Macrophage, min.pct = 0,
# logfc.threshold = 0,
# group.by = "group",
# ident.1 ="GM",
# ident.2="BM")
genes <- c("CD3D",'CD3E','CD2',"CD4","CD8A",
'CD79A','MZB1','MS4A1','CD79B',
'FOXP3',"IL32",'TNFRSF18','TNFRSF4',
'IL17A','IL17F','CD40LG',
'S100A8','CXCL8','SOD2','NAMPT',
'SEPP1','C1QA','APOE','CD14','RNASE1',
'TPSAB1','TPSB2','CPA3','HPGDS',
'HLA-DRA','HLA-DPB1','CST3','HLA-DPA1',
'PTGDS','SOX4','GZMB','IRF7',
'IGHA1','IGHG1',"IGHG2",
'KLRF1','KLRD1','XCL2','XCL1')
#Macrophage <- Macrophage[genes, ]
image.png
热图的做法很简单，参考我们之前的系列：
我们可以直接用pheatmap来画，但是区别在于需要将每个基因在细胞中的表达数值显示在热图上，只需要加display_numbers = TRUE参数即可。
A <- read.csv("ratiomap.csv", header = T, row.names = 1)
library(pheatmap)
pheatmap(A, color = colorRampPalette(c("white","red"))(100),
border_color = "black", cluster_cols = F,
display_numbers = TRUE)
image.png
最后导出pdf图片，用AI修饰一下即可。
image.png
当然ComplexHeatmap包的Heatmap函数也是适用的。如果需要进行更多的修饰和改造也是可以的。（补充：之前的热图系列没有说到一个问题就是ComplexHeatmap做热图之后的legend标题的问题，自动显示的是matrix，而且每画一次，就在后面加数字，有很多小伙伴有这个疑问。其实在他的参数heatmap_legend_param 中是可以定义标题和legend位置的。）
library(ComplexHeatmap)
Heatmap(A, name = "mat", col = colorRampPalette(c("white","red"))(100),
cell_fun = function(j, i, x, y, width, height, fill) {
grid.text(sprintf("%.1f", A[i, j]), x, y, gp = gpar(fontsize = 10))
},
heatmap_legend_param = list(
title='Expression \n Ratio',
title_position='topcenter'),
border = 'black',
row_names_gp = gpar(fontsize = 10),
border_gp = gpar(col = "black"))
image.png
最后修饰修饰成为一个可发表的图片。
image.png
这个热图还是挺实用的，有需要示例数据的小伙伴可在我的公众号《KS科研分享与服务》----联系作者索取数据，记得在公众号后台留下您的邮箱！
