如何调整R语言中DoHeatmap绘图的聚类列宽？

问题背景 #

我基于Seurat对象绘制空间转录组数据的标记基因热图，数据处理代码如下：

visium_x22117 = Load10X_Spatial(data.dir = "~/PhD_Project_Moh_Huda/Dataset_files/X22117_Visium_scRNA/", filename = "X22117_filtered_feature_bc_matrix.h5")
suppressWarnings({
  visium_x22117 = SCTransform(visium_x22117, assay = "Spatial", verbose = FALSE)
})

绘制热图的代码：

visium_x22117.markers %>%
  group_by(cluster) %>%
  top_n(n = 10, wt = avg_log2FC) -> top10
heatmap = DoHeatmap(visium_x22117, features = top10$gene)
heatmap

生成的热图存在两个问题：整体布局拥挤，且cluster 0的列宽远大于其他聚类（如图所示）。查阅DoHeatmap文档未找到调整列宽的方法，需要优化该热图。

解决方法 #

1. 抽样均衡各簇细胞数量（核心解决列宽不均） #

DoHeatmap默认按簇内细胞数量比例分配列宽，cluster 0细胞数过多是列宽偏大的原因。通过抽样让每个簇展示相同数量的细胞，既能统一列宽，又能减少总细胞数缓解拥挤：

# 设置随机种子保证结果可重复
set.seed(123)
# 每个簇抽取固定数量细胞（示例为50个，可根据实际调整）
sampled_cells <- lapply(unique(visium_x22117$seurat_clusters), function(clust) {
  cluster_cells <- colnames(visium_x22117)[visium_x22117$seurat_clusters == clust]
  # 如果簇内细胞数不足设置值，就取全部细胞
  sample(cluster_cells, size = min(50, length(cluster_cells)), replace = FALSE)
}) %>% unlist()

# 指定抽样后的细胞绘制热图
heatmap <- DoHeatmap(visium_x22117, features = top10$gene, cells = sampled_cells)
heatmap

2. 调整热图样式缓解拥挤 #

通过ggplot主题调整字体、边距，或指定更大的保存尺寸进一步优化：

heatmap +
  theme(
    axis.text.y = element_text(size = 7),  # 缩小基因名字体
    axis.text.x = element_blank(),        # 隐藏底部细胞标签（不需要时）
    plot.margin = margin(10, 15, 10, 15), # 调整图的边距
    legend.key.height = unit(0.4, "cm")   # 缩小图例高度
  ) +
  ggtitle("Top 10 Marker Genes per Cluster") +
  theme(plot.title = element_text(hjust = 0.5, size = 12))

# 保存时指定更大宽度避免拥挤
ggsave("optimized_heatmap.pdf", width = 14, height = 9, dpi = 300)

3. 可选：手动调整列宽（无需抽样） #

若不想改变细胞展示数量，可通过修改ggplot对象的底层参数强制统一列宽，需要借助ggplot2的底层元素调整：

# 提取热图的ggplot数据
heatmap_data <- heatmap$data
# 为每个簇设置相同的宽度权重
heatmap_data$width <- 1 / length(unique(heatmap_data$cluster))

# 重新构建热图
library(ggplot2)
ggplot(heatmap_data, aes(x = cell, y = gene, fill = avg_log2FC)) +
  geom_tile() +
  scale_fill_gradientn(colors = c("#3C5488FF", "white", "#DC0000FF")) +
  facet_grid(~cluster, scales = "free_x", space = "free_x") +
  theme(axis.text.x = element_blank(), axis.ticks.x = element_blank()) +
  labs(x = "", y = "Genes", fill = "avg_log2FC")

这种方法需要手动重构热图，灵活性更高，但步骤相对繁琐。

内容的提问来源于stack exchange，提问作者MK Huda