如何用circlize拆分数据绘制分类型癌症RNA表达环形热图？

一、基于自有数据构建环形热图（拆分5个癌症区域） #

1. 数据准备与导入 #

先确认你的数据结构：

• expr_matrix：行是基因、列是样本的数值型表达矩阵
• sample_groups：长度和样本数一致的向量，每个元素对应样本所属的癌症类型（共5类）

用基础R函数读取数据（根据你的文件格式调整）：

# 读取表达矩阵，行设为基因名
expr_matrix <- read.csv("your_expression_data.csv", row.names = 1, header = TRUE)
expr_matrix <- as.matrix(expr_matrix) # 转成circlize兼容的矩阵格式

# 读取样本分组文件（假设是两列：样本ID、癌症类型）
sample_info <- read.csv("sample_groups.csv", header = TRUE)
sample_groups <- sample_info$cancer_type
# 强制校验：分组顺序必须和表达矩阵的样本列顺序完全匹配
stopifnot(colnames(expr_matrix) == sample_info$sample_id)

2. 拆分环形区块并初始化 #

根据各癌症类型的样本数，分配环形区块的宽度：

library(circlize)

# 统计每个癌症类型的样本量
group_counts <- table(sample_groups)
# 用样本量作为环形区块的宽度比例
sector_widths <- as.numeric(group_counts)

# 初始化环形设置
circos.clear() # 清空之前的环形配置
circos.par(gap.degree = rep(2, 5), # 每个区块间留2度间隙
           start.degree = 90) # 调整起始角度，让标签更易读
circos.initialize(factors = sample_groups, # 按分组拆分环形
                  xlim = cbind(rep(1, length(sample_groups)), rep(2, length(sample_groups))),
                  sector.width = sector_widths)

3. 绘制环形热图 #

用circos.heatmap()实现分组对应：

# 自定义表达量颜色映射
expr_col <- colorRamp2(c(min(expr_matrix), mean(expr_matrix), max(expr_matrix)), 
                       c("blue", "white", "red"))

# 绘制环形热图，按分组匹配区块
circos.heatmap(expr_matrix, 
               split = sample_groups, # 绑定分组与环形区块
               col = expr_col,
               rownames.side = "outside", # 基因名放在环形外侧
               show.sector.labels = TRUE) # 显示癌症类型标签

# 添加颜色图例
lgd <- Legend(title = "RNA Expression", col_fun = expr_col)
draw(lgd, x = unit(0.9, "npc"), y = unit(0.5, "npc"))

二、从ComplexHeatmap转换为环形热图（保留原有分类） #

如果你已经用ComplexHeatmap生成了带分组的常规热图，直接复用现有数据即可——两者需要的矩阵和分组结构完全一致。

假设你的ComplexHeatmap代码如下：

library(ComplexHeatmap)

# 分组注释
ha <- HeatmapAnnotation(cancer_type = sample_groups)
# 常规分组成热图
ht <- Heatmap(expr_matrix, 
              top_annotation = ha, 
              column_split = sample_groups, 
              show_column_names = FALSE)
draw(ht)

直接把上述代码里的expr_matrix和sample_groups代入第一部分的circlize代码，用split = sample_groups参数就能自动把原有的分组对应到环形的不同区块，完全保留分类逻辑。

关键注意事项 #

• 务必保证sample_groups的顺序和expr_matrix的样本列顺序完全一致，否则分组会错乱
• 若基因过多导致标签重叠，可通过rownames.cex参数调小字体，或只筛选差异基因绘制
• 环形间隙、起始角度可通过gap.degree和start.degree参数调整可视化效果

内容的提问来源于stack exchange，提问作者Kathleen Yasmin Almeida