环形热图，顾名思义，热图的一种展现形式。常见的四四方方格式已经司空见惯，换个展现形式，也许会让你的文章耳目一新。
环形热图的好处，可以在一张图上展现多个维度的数据，尤其适合进行多组学间数据展示，揭示不同组学间的关联与规律。
我们今天的作图都将依赖于R包“circlize”，“circlize”中的circos.heatmap()函数是专门用来简化绘制环形热图的。下载好R包后，首先创建数据，我们用自己数据做图时要注意数据使用中心化后的数据。
环形热图的数据输入格式和常规热图的没什么区别，都是matrix格式，行为代谢物名称，列为样本名称（注意不要混进物质名列）。
用circos.heatmap()先绘制一个简单的环形热图。
代码中“（-2，0，2）”代表的是图例和映射范围，可以根据自己的数据范围来设置。“dend.side” 表示树状图， “rownames.side”代表矩阵的行名也就是代谢物名称，“outside”即标注在圈外，“inside”表示展现在环形内部。circos.heatmap()没有内置的图例函数，所以需要用Legend()添加图例。
下一步，我们还可以增添一些新的注释信息——样本名称,可以先用circos.par()来控制布局，例如起始的角度、扇形之间的间隔，为样本标注预留空间。
接下来，再用circos.text()和circos.track()添加样本名。
样本字体大小和位置可以根据自己的数据进行调试，寻找合适的参数。
可能有人会问，常规热图除了物质聚类也能样本聚类，环形热图可以吗？答案是当然可以。但circos.heatmap()不能直接对列进行聚类，我们可以在输入数据那步先进行聚类，再将绘图数据按聚类结果排列。
可以看见，我们的样本排列顺序已经改变。前面提到环形热图适用于展现多组学数据，这里可以添加其他组学数据，创建多个热图环。
我们再创建一个数据框：
注意，新的圆环是叠加在原先环形的内侧，所有圆环的宽度相加超过限度就会报错。
除了一些常规的设置，我们也可以在字体上玩一些花样，将字体设置成随机样式、大小。
字体能五颜六色了，树状图当然也不能示弱。树状图的渲染可以通过dendextend包的color_branches()函数实现，在相应的扇形中生成了树状图之后调用，可以用于设置树状图的顺序和颜色。
dend.callback：该函数需要传递三个参数
· dend: 当前扇形的树状图
· n: 当前扇形所对应的数据子集
· si: 当前扇形的索引或名称
若是没有分组信息也可以自定义子集个数，假设k为4
circos.heatmap()还可以与其他类型的轨迹混用，例如在热图的内侧绘制代表行均值的散点图。
若想要热图在内，散点图在外，需要用到circos.heatmap.initialize()进行热图布局。先绘制散点图再绘制热图。
除了点图，也可以将热图与箱线图相结合，若数据有分组信息，即可以添加split参数对数据进行分组，并将箱线图按照组别分类映射颜色。
将以上的参数自由组合，就能得到一张自己专属的环形热图啦。
今天学完就不要在文章里放普通的热图啦，快一起来学漂亮的环形热图吧！
