热图（heatmap）
热图能够直观地显示不同样本、位点之间的差异及聚类情况，是一个展示基因组不同区域不同特性的有效手段，常用于基因表达差异、表观遗传修饰差异等多种分析中。Circos通过type = heatmap的
1、基础知识
与柱状图一样，热图也是基因组坐标上对应数值。并且将数值线性地映射到一组颜色上。映射的方式为：
The track linearly maps a range of values [min,max] onto a list of colors c[n], i=0..N.
f = (value - min) / ( max - min )
n = 0 if f < 0
N if f > 1
N * f otherwise
定义一个热图的方式跟条形图类似： 类型、文件名、半径的大小
<plot>
type = heatmap
file = data/5/segdup.hs1234.heatmap.txt
r1 = 0.89r
r0 = 0.88r
</plot>
2、对数坐标系：
有的时候数据非常分散，直接用线性方式作图可能会受到极大值和极小值的影响，这时候我们可以使用对数坐标
n = N f*(1/scale_log_base) scale_log_base = 5
当scale_log_base大于1的时候，靠近最小值的数值区域会被拉伸，相反小于1的时候大值部分的数据将会拉伸。
3、颜色：
热图的颜色是由CSV格式数据或颜色列表（list）来决定的。 一种简单定义颜色的方式：color = hs1_a5,hs1_a4,hs1_a3,hs1_a2,hs1_a1,hs1 更多颜色定义方式可以在配置文件中找到colors.conf
3.1常见颜色：
一般长用颜色 Common colors (red, green, blue, purple, orange, yellow, grey)，各有七种变体：
vvlHUE very very light HUE (e.g. vvlred)
vlHUE very light
lHUE light
HUE
dHUE dark
vdHUE very dark
vvdHUE very very dark
3.2 CYTOGENETIC BAND COLORS
gposNNN # NNN = 25, 33, 50, 66, 75, 100 gpos gvar gneg acen stalk
3.3人染色体颜色：
详细的定义方式click here 配色参考表color conf 科学作图配色方案Brewer pallete
3.4透明度设置：
颜色的透明度可以通过后缀_aN来设置，透明程度为N。
green fully opaque
green_a1 16% transparent
green_a2 33% transparent
green_a3 50% transparent
green_a4 66% transparent
green_a5 83% transparent
conf文件解读
show_heatmaps = yes
<plots>
<plot>
show = conf(show_heatmaps)
# 表示这是一个heatmap类型的plot
type = heatmap
file = data/heatmap1.txt
# 蓝色基调的9色面板
color = blues-9-seq
# Circos需要将数据文件中的数值进行映射进min和max区间，从而赋予不同颜色，这就需要考虑下面两个因素
# 一是不同颜色区间的分配，由参数color_mapping设置
# 二是线性/非线性映射，由参数scale_log_base设置，默认为线性映射，不需设置该值
# 这些不同可参见下图
min = 0
max = .20e6
# r0和r1为热图的显示半径
r0 = 0.765r
r1 = 0.785r
# 每个色块边缘颜色及宽度
stroke_color = white
stroke_thickness = 1p
</plot>
<plot>
show = conf(show_heatmaps)
type = heatmap
file = data/heatmap2.txt
color = reds-9-seq
min = 0
max = .20e6
r0 = 0.79r
r1 = 0.81r
stroke_color = white
stroke_thickness = 1p
</plot>
<plot>
show = conf(show_heatmaps)
type = heatmap
file = data/heatmap3.txt
color = blues-9-seq
min = 0
max = .10e6
r0 = 0.895r
r1 = 0.915r
stroke_color = white
stroke_thickness = 1p
</plot>
<plot>
show = conf(show_heatmaps)
type = heatmap
file = data/heatmap4.txt
color = reds-9-seq
min = 0
max = .10e6
r0 = 0.92r
r1 = 0.94r
stroke_color = white
stroke_thickness = 1p
</plot>
</plots>
细心的你也许发现，上面四个plot模块中变化的有：
- 文件名从heatmap1.txt变到了heatmap4.txt
- 颜色面板
- 半径 不变的有：
- min
- max
- 线条颜色
- 线条粗细 这不难让我们去寻求更简单的方式。 Circos为我们提供了一个自动计数的功能counter举个栗子：
heatmap.chain.conf：
<plot>
# 设置变量chain，默认从0开始计数，这里的“:1”即累加1
pre_increment_counter = chain:1
# 用counter调用当前数值，输入不同数据文件
file = data/heatmap.counter(chain).txt
show = conf(show_heatmaps)
type = heatmap
min = 6000
max = 50000
# 同样利用counter设置颜色、位置半径等
color = eval(join(",",map { sprintf("chr%d_a%d",counter(chain),$_) } (5,4,3,2,1) ))
r0 = eval(sprintf("%fr",0.99-counter(chain)*.025-.02))
r1 = eval(sprintf("%fr",0.99-counter(chain)*.025))
stroke_thickness = 0
<rules>
<rule>
# 前章提到Circos中是按照从前至后的顺序进行rule判断的，而importance可用来改变该判断顺序
# 即importance值越高，顺序越靠前，未设置importance的则放在最后依序判断
importance = 100
condition = var(value) < 2000
show = no
</rule>
<rule>
importance = 95
condition = var(value) < 6000
color = vvlgrey
stroke_color = black
stroke_thickness = 1
</rule>
</rules>
</plot>
关于counter的详细信息可查看官网。接下来，我们在主配置文件circos.conf中进行多重include操作即可：
show_heatmaps = yes
<plots>
# 多重操作，具体看引入的数据情况，需要多少就用多少个
<<include heatmap.chain.conf>>
<<include heatmap.chain.conf>>
<<include heatmap.chain.conf>>
...
</plots>
这样清晰明了，便于管理。
*部分内容引用自wenlong Shen's blog