【R】ヒートマップのカラースケールの調整方法

公開日: 最終更新日:
[CentOS 7.4 / R v4.3.1 環境に関する注意点追記]


こんにちは、受託コンサルティングチームの hosor です。


今回は、R の ggplot2 を用いたヒートマップのカラースケール調整についての話です。

解析においてヒートマップを描画する際に、カラースケール調整に使う関数が似ていて混乱したので、この記事でまとめてみたいと思います。

具体的には、scale_fill_gradient(), scale_fill_gradient2(), scale_fill_gradientn() の 3 つの関数について調べてみました。

この記事ではヒートマップを描画していますが、散布図などのカラースケール調整の際にも参考にできるような内容だと思います。

作業環境

  • CentOS Linux release 7.4.1708 (Core)
  • R v4.3.1
    • ggplot2 v3.4.3
    • reshape2 v1.4.4

※ 本記事は CentOS 7.4 / R v4.3.1(ggplot2 v3.4.3, reshape2 v1.4.4) に準拠した内容をベースにしています。最新環境である Rocky Linux 9 / R v4.6系(ggplot2 v4.0系) 等の環境では一部挙動や関数が異なる可能性がありますのであらかじめご了承ください。

スクリプト

はじめに、以下の記事と同様の方法で、疑似的に遺伝子発現マトリクスを作成しました。

geom_tile | ggplot でヒートマップを描く方法

library(ggplot2)
library(reshape2)

data <- matrix(rnorm(100), ncol = 5)
colnames(data) <- c("A", "B", "C", "D", "E")
rownames(data) <- paste0("gene", 1:nrow(data))
head(data)
#                A          B          C           D          E
#gene1  1.43941094  0.4368509 -1.0435105  0.95781752 -0.9601670
#gene2 -1.83885958  1.4478857  0.9476025 -1.13593066  0.2107077
#gene3 -0.45429952 -0.6610421 -0.4780290 -0.68007382  0.5995651
#gene4  0.55088996  0.4164555 -1.5181176  1.58169182  0.2219682
#gene5  0.41046950  0.6183190 -2.7040238 -0.07875714  0.1083888
#gene6 -0.03650091  0.9927547 -0.4663634  0.47552077  0.3575545

df           <- melt(data)
colnames(df) <- c("Gene", "Group", "Value")
head(df)
#   Gene Group       Value
#1 gene1     A  1.43941094
#2 gene2     A -1.83885958
#3 gene3     A -0.45429952
#4 gene4     A  0.55088996
#5 gene5     A  0.41046950
#6 gene6     A -0.03650091

※ 本コードで使用している reshape2 の melt() 関数は、すでに公式で開発・サポートが終了している関数です。そのため、今後の環境では将来的にコードが動かなくなる可能性があります。代替の方法としては、tidyr パッケージの pivot_longer() 関数での変形が挙げられます。

library(tidyr)

# melt() 関数での処理を置き換える
#df           <- melt(data)
#colnames(df) <- c("Gene", "Group", "Value")

df <- data.frame(Gene = rownames(data), data, check.names = FALSE) %>% 
          pivot_longer(cols = -Gene,  names_to = "Group",
                       values_to = "Value", cols_vary = "slowest") 


scale_fill_gradient()

2 色でのグラデーションとなります。

青→赤のグラデーションになるように作成してみたところ、気味が悪い見た目となりました。

p <- ggplot(df, aes(x = Group, y = Gene, fill = Value))
p <- p + geom_tile()
p <- p + scale_fill_gradient(low = "blue", high = "red")
ggsave("Heatmap.pdf")


scale_fill_gradient2()

3 色でのグラデーションとなります。

青→白→赤のグラデーションになるように作成してみたところ、値の大小を一目で判断できるような綺麗なヒートマップを描画することができました。

上記のカラースケールを少し変えるだけで、見やすさがこんなにも違うのですね…。

p <- ggplot(df, aes(x = Group, y = Gene, fill = Value))
p <- p + geom_tile()
p <- p + scale_fill_gradient2(low = "blue", mid = "white", high = "red")
ggsave("Heatmap2.pdf")


scale_fill_gradientn()

N 色でのグラデーションとなります。

colors = c("red", "blue", ...) と 1 色ずつ指定していく方法もありますが、既存のカラーパレットを使う方がなにかと便利です。

今回は、以下のカラーパレットから heat.colors を使ってみました。

RPubs - カラーコード

p <- ggplot(df, aes(x = Group, y = Gene, fill = Value))
p <- p + geom_tile()
p <- p + scale_fill_gradientn(colors = heat.colors(7)) # 7 色
ggsave("Heatmapn.pdf")


色々と試してみましたが、グラフの性質や強調したい箇所によって、適切な表現方法を選ぶのがベストかなと感じました。

まとめ

以下の関数は、グラデーションに使用される色の数が異なる!

  • scale_fill_gradient(): 2 色
  • scale_fill_gradient2(): 3 色
  • scale_fill_gradientn(): N 色

補足:現在の解析トレンド

2026年現在では、今回ご紹介した ggplot2(geom_tile)による手動の描画だけでなく、

  • より手軽に論文クオリティの高度な図や階層的クラスタリングが描ける ComplexHeatmap パッケージ
  • 視覚的均一性に優れた科学的カラーパレット scico パッケージなどを組み合わせるワークフロー

も主流となっています。

参考

ggplot2.tidyverse.org