如何为Seurat DimHeatmap函数生成的图表添加对应图例

没有适配所有Seurat可视化图表的统一图例添加方案，不同Seurat绘图函数的底层渲染逻辑有差异，针对DimHeatmap添加对应PCA组分取值的颜色图例，可直接用以下两种方案实现：

方案1：原生参数调整（最简便） #

Seurat v4及以上版本的DimHeatmap内置了图例显示控制参数，默认状态下图例是关闭的，你只需要在原有代码中补充两个参数即可：

• raster = FALSE：关闭栅格化渲染，避免连续图例显示异常
• legend = TRUE：开启颜色标尺图例，图例颜色会自动对应PCA组分的取值高低
  修改后的可直接运行代码如下：

DimHeatmap(norm_data3, 
           dims = 1, 
           cells = 500, 
           balanced = TRUE,
           raster = FALSE,
           legend = TRUE)

注意：Seurat v3及更早的老版本中，DimHeatmap底层基于基础绘图系统实现，不支持原生渲染ggplot风格的连续值图例，这种情况请使用第二种自定义绘制方案。

方案2：提取数据自定义绘制（灵活度最高） #

如果原生参数生成的图例不符合排版要求，比如需要修改图例颜色、位置、标注规则，可以先提取DimHeatmap绘图用到的所有中间数据，再用热图包自行绘制，完全自定义图例样式：

1. 首先提取绘图所需的PC得分、目标细胞、表达矩阵数据

# 提取PCA降维结果中对应维度的细胞得分
pc1_scores <- Embeddings(norm_data3, reduction = "pca")[, 1]
# 按照DimHeatmap的balanced参数逻辑，取PC1得分最高和最低的各250个细胞，共500个
sorted_cell_names <- names(sort(pc1_scores, decreasing = TRUE))
plot_cells <- c(head(sorted_cell_names, 250), tail(sorted_cell_names, 250))
# 提取高变基因在目标细胞中的归一化表达矩阵作为热图输入
plot_exp_matrix <- GetAssayData(norm_data3, assay = "RNA", layer = "data")[VariableFeatures(norm_data3), plot_cells]

2. 用pheatmap绘制带自定义PC取值图例的热图

library(pheatmap)
# 构造细胞层面的PC得分注释
cell_annotation <- data.frame(PC1得分 = pc1_scores[plot_cells])
rownames(cell_annotation) <- plot_cells

pheatmap(plot_exp_matrix,
         cluster_rows = F,
         cluster_cols = F,
         show_colnames = F,
         scale = "row",
         annotation_col = cell_annotation, # 自动生成对应PC1取值的连续颜色图例
         main = "PC1维度热图")

如果需要调整图例的配色、刻度、显示位置，直接修改pheatmap的annotation_colors、legend_breaks、legend_pos等参数即可，可定制性远高于原生DimHeatmap函数。

内容的提问来源于stack exchange，提问作者algebroo