【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

KS科研分享与服务-TS的美梦

发布于 2025-12-20 17:19:38

230

热图是生物数据分析最常见、最炙手可热的数据展示形式，我们之前专门出过很多热图系列，以及衍生的热图修饰，五花八门，非常齐全，公众号检索‘热图’可以浏览基础用法以及个性化修饰，部分比较优秀的应用可参考：

ggplot2做热图及行列注释的添加

ggplot修饰monocle2拟时热图：一众问题全部解决

nature级别图表：一个注释气泡热图函数（适用于单细胞及普通数据）

Monocle3个性化分析作图：拟时热图/拟时基因GO分析/拟时基因趋势分析

Complexheatmap有很多隐藏功能：marker基因平均表达量热图添加基因分面注释

复现Cell图表：pyscenic分析之转录因子二项值热图

(视频教程-复现Science图表)做热图无限添加文本注释及修饰

更新：单细胞基因热图多重注释函数-可标记基因及添加富集分析结果

【代码调整】复现《Cell》文章图表：气泡热图展示基因表达+分组添加

【视频-python一键函数】：热图标注特定基因及不同颜色设置展示marker基因

pyCirclize一个包可以干很多事【2】：基因/蛋白环形表达量热图+互作+分组注释

在R中热图主要由pheatmap、ComplexHeatmap、ggplot2以及ggheatmap等包完成，已经介绍过各种各样的形式，或者各种修饰；在很多小伙伴单细胞分析或者整合数据分析向python迁移的过程中，在数据可视化上也希望python能够轻松完成热图绘制。python中也有各种库具有绘制热图功能，例seaborn、matplotlib等，但是对于初次接触者或者灵活性而言，没有R中那么顺手。这里我们介绍一款专一的用于热图绘制的py库pyComplexHeatmap，可以将其理解为R版ComplexHeatmap包的py对应版，在使用上，功能上有很类似，且比较好理解。但是PyComplexHeatmap的底层绘图完全基于matplotlib。这里先介绍他的基础用法，以转录组差异基因数据展示为例：

Github: https://github.com/DingWB/PyComplexHeatmap

1-安装加载数据

#安装
pip install PyComplexHeatmap


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

#加载数据：这个数据基因有点多，选择部分进行演示
df = pd.read_csv('./df_heat.csv',index_col=0)
df = df.iloc[:30]
df

2-正常热图绘制，了解函数参数

#轻松绘制一个简单的聚类热图
plt.figure(figsize=(4,8))#图宽、高
cm = ClusterMapPlotter(data=df, #表达矩阵
                       z_score=0,#是否对数据计算z-score，0表示对按行scale、1表示按列scale
                       col_cluster=True,#列聚类
                       row_cluster=True,#行聚类
                       row_dendrogram=True, #是否展示行聚类树
                       col_dendrogram=True,#是否展示列聚类树
                       show_rownames=True,#是否显示行名
                       show_colnames=True,#是否显示列名
                       row_names_side='right',#行名位置
                       col_names_side='bottom',#列名位置
                       label='Expression',#热图legend标题
                      #plot_legend=False, #是否plot热图legend
                       legend_kws={'vmax':3,'vmin':-3},#字典，设置legend相关修饰参数
                       cmap='RdBu',#热图颜色设置，plt.colormaps()查看，有百种选择
                       xticklabels_kws={'labelrotation':-90,'labelcolor':'black','labelsize':12},#字典，x轴标签设置
                       yticklabels_kws = {'labelcolor':'black','labelsize':12},#字典，y轴标签设置
                       linewidths=0.01,#热图格子线粗细，设置0则不展示
                       linecolor='black'#热图格子线条颜色
                       )

##pyComplexHeatmap目前没有参数能够为整个热图外部添加边框
##不过可以使用plt添加，不要展示聚类树
plt.figure(figsize=(4,8))#图宽、高
cm = ClusterMapPlotter(data=df, #表达矩阵
                       z_score=0,#是否对数据计算z-score，0表示对按行scale、1表示按列scale
                       col_cluster=True,#列聚类
                       row_cluster=True,#行聚类
                       row_dendrogram=False, #是否展示行聚类树
                       col_dendrogram=False,#是否展示列聚类树
                       show_rownames=True,#是否显示行名
                       show_colnames=True,#是否显示列名
                       row_names_side='right',#行名位置
                       col_names_side='bottom',#列名位置
                       label='Expression',#热图legend标题
                      #plot_legend=False, #是否plot热图legend
                       legend_kws={'vmax':3,'vmin':-3},#字典，设置legend相关修饰参数
                       cmap='RdBu',#热图颜色设置，plt.colormaps()查看，有百种选择
                       xticklabels_kws={'labelrotation':-90,'labelcolor':'black','labelsize':12},#字典，x轴标签设置
                       yticklabels_kws = {'labelcolor':'black','labelsize':12},#字典，y轴标签设置
                       )
heatmap_ax = cm.ax
        # 为热图添加边框
heatmap_ax.set_frame_on(True)          # 显示边框
heatmap_ax.patch.set_edgecolor('black') # 边框颜色
heatmap_ax.patch.set_linewidth(1)      # 边框宽度
plt.show()

3-标注感兴趣基因+分组注释

很多时候，展示的基因过多，我们只希望展示一些感兴趣的基因

#比如这些基因我们需要label
lable_genes= ['S100A8','S100A9','S100A10','S100A11', 'HAX1','CD48',
             'CD84','ILF2','CSTT','DAP3']
#还可以设置不同的颜色展示
colors_dict={}
for g in lable_genes:
    if g in ['S100A8','S100A9','S100A10','S100A11', 'HAX1','CD48']:
        colors_dict[g]='red'
    else:
        colors_dict[g]='green'

label_rows = df.apply(lambda x:x.name if x.name in lable_genes else None,axis=1)      
label_rows

#将label作为注释添加到热图
row_ha_right = HeatmapAnnotation(
                            selected=anno_label(label_rows, colors=colors_dict,relpos=(0,0.5)),
                            axis=0,verbose=1,
                            label_kws={'rotation':0,'horizontalalignment':'right','verticalalignment':'top', },
                            orientation='right'
                            )
plt.figure(figsize=(4,8))#图宽、高
cm = ClusterMapPlotter(data=df, #表达矩阵
                       z_score=0,#是否对数据计算z-score，0表示对按行scale、1表示按列scale
                       col_cluster=True,#列聚类
                       row_cluster=True,#行聚类
                       row_dendrogram=True, #是否展示行聚类树
                       col_dendrogram=True,#是否展示列聚类树
                       show_rownames=True,#是否显示行名
                       show_colnames=True,#是否显示列名
                       row_names_side='right',#行名位置
                       col_names_side='bottom',#列名位置
                       label='Expression',#热图legend标题
                      #plot_legend=False, #是否plot热图legend
                       legend_kws={'vmax':3,'vmin':-3},#字典，设置legend相关修饰参数
                       cmap='RdBu',#热图颜色设置，plt.colormaps()查看，有百种选择
                       xticklabels_kws={'labelrotation':-90,'labelcolor':'black','labelsize':12},#字典，x轴标签设置
                       yticklabels_kws = {'labelcolor':'black','labelsize':12},#字典，y轴标签设置
                       linewidths=0.01,#热图格子线粗细，设置0则不展示
                       linecolor='black',#热图格子线条颜色
                       right_annotation=row_ha_right
                       )

对列进行注释，首先需要生成一个列分组文件，对于行的注释是一样的操作

sample_group = {
    "sample": df.columns.to_list(),
    "group":  ["HC"] * 6 + ["TL"] * 6
}
sample_group = pd.DataFrame(sample_group)
sample_group = sample_group.set_index(sample_group.columns[0])

top_anno = HeatmapAnnotation(
                            group =anno_simple(sample_group.group,#分组信息
                                                colors={'HC': 'red', 'TL': 'green'},#颜色设置
                                                add_text=True,#添加分组名称
                                                legend=False,#不展示legend
                                                 height=3,#注释高度
                                                text_kws={'color':'white', 'fontsize':8,'fontweight':'bold',
                                                          'rotation':0})
                            )

plt.figure(figsize=(4,8))#图宽、高
cm = ClusterMapPlotter(data=df, #表达矩阵
                       z_score=0,#是否对数据计算z-score，0表示对按行scale、1表示按列scale
                       col_cluster=True,#列聚类
                       row_cluster=True,#行聚类
                       row_dendrogram=True, #是否展示行聚类树
                       col_dendrogram=True,#是否展示列聚类树
                       show_rownames=True,#是否显示行名
                       show_colnames=True,#是否显示列名
                       row_names_side='right',#行名位置
                       col_names_side='bottom',#列名位置
                       label='Expression',#热图legend标题
                      #plot_legend=False, #是否plot热图legend
                       legend_kws={'vmax':3,'vmin':-3},#字典，设置legend相关修饰参数
                       cmap='RdBu',#热图颜色设置，plt.colormaps()查看，有百种选择
                       xticklabels_kws={'labelrotation':-90,'labelcolor':'black','labelsize':12},#字典，x轴标签设置
                       yticklabels_kws = {'labelcolor':'black','labelsize':12},#字典，y轴标签设置
                       linewidths=0.01,#热图格子线粗细，设置0则不展示
                       linecolor='black',#热图格子线条颜色
                       right_annotation=row_ha_right,
                       top_annotation=top_anno,
                       col_split=sample_group['group'],
                       col_split_gap=2,
                       tree_kws={'col_cmap': 'Set1','colors':'black'}
                       )