熱圖可以聚合大量的資料，並可以用一種漸進色來優雅地表現，可以很直觀地展現資料的疏密程度或頻率高低。

    本文利用R語言 pheatmap 包從頭開始繪製各種漂亮的熱圖。引數像積木，拼湊出你最喜歡的熱圖即可，如下圖：

     基因和樣本都可以單獨聚類，排序，聚類再分組，行列註釋，配色調整，調整聚類線以及單元格的寬度和高度均可實現。

 

載入資料，R包

 

#R包library(pheatmap)# 構建測試資料 set.seed(1234)test = matrix(rnorm(200), 20, 10)
 
test[1:10, seq(1, 10, 2)] = test[1:10, seq(1, 10, 2)] + 3 test[11:20, seq(2, 10, 2)] = test[11:20, seq(2, 10, 2)] + 2 test[15:20, seq(2, 10, 2)] = test[15:20, seq(2, 10, 2)] + 4 colnames(test) = paste("Test", 1:10, sep = "")rownames(test) = paste("Gene", 1:20, sep = "")head(test[,1:6])

繪製熱圖

 

繪製預設熱圖

 

pheatmap(test)

 

基本引數

# scale = "row"引數對行進行歸一化
# clustering_method引數設定不同聚類方法，預設為"complete",可以設定為'ward', 'ward.D', 'ward.D2', 'single', 'complete', 'average', 'mcquitty', 'median' or 'centroid'

pheatmap(test,scale = "row", clustering_method = "average")

 

 

#表示行聚類使用皮爾森相關係數聚類，預設為歐氏距離"euclidean"

pheatmap(test, scale = "row", clustering_distance_rows = "correlation")

 

 

#行 列是否聚類，cluster_row ,cluster_col

pheatmap(test, cluster_row = FALSE,cluster_col = TRUE)

 

 

# treeheight_row和treeheight_col引數設定行和列聚類樹的高度，預設為50

pheatmap(test, treeheight_row = 30, treeheight_col = 50)

 

 

# 設定cell 的大小

 

pheatmap(test, cellwidth = 15, cellheight = 12, fontsize = 10)

 

設定 text

 

熱圖中展示數值

# display_numbers = TRUE引數設定在每個熱圖格子中顯示相應的數值，#number_color引數設定數值字型的顏色

pheatmap(test, display_numbers = TRUE,number_color = "blue")

 

 

# 設定數值的顯示格式

pheatmap(test, display_numbers = TRUE, number_format = "%.1e")

 

 

#設定條件式展示

pheatmap(test, display_numbers = matrix(ifelse(test > 5, "*", ""), nrow(test)))

 

 

設定 legend 

 

設定legend展示的值
#legend_breaks引數設定圖例顯示範圍，legend_labels引數新增圖例標籤

pheatmap(test, cluster_row = FALSE, legend_breaks = -1:4, legend_labels = c("0", "1e-4", "1e-3", "1e-2", "1e-1", "1"))

 

#去掉legend

pheatmap(test, legend = FALSE)

 

設定 color

自定義顏色

#colorRampPalette 

pheatmap(test, color = colorRampPalette(c("navy", "white", "firebrick3"))(50))

 

# border_color引數設定每個熱圖格子的邊框色

# border=TRIUE/FALSE引數是否要邊框線

 

pheatmap(test, border_color = "red", border=TRUE)

 

設定 annotations

# 生成行 列的註釋

annotation_col = data.frame( CellType = factor(rep(c("CT1", "CT2"), 5)), Time = 1:5 )rownames(annotation_col) = paste("Test", 1:10, sep = "")annotation_row = data.frame( GeneClass = factor(rep(c("Path1", "Path2", "Path3"), c(10, 4, 6))))rownames(annotation_row) = paste("Gene", 1:20, sep = "")

 

#新增列的註釋

pheatmap(test, annotation_col = annotation_col)

 

 

#新增行 列的註釋

#angle_col 改變列標籤的角度

 

pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row, angle_col = "45")

 

 

# 根據聚類結果，自定義註釋分組及顏色

ann_colors = list( Time = c("white", "firebrick"), CellType = c(CT1 = "#1B9E77", CT2 = "#D95F02"), GeneClass = c(Path1 = "#7570B3", Path2 = "#E7298A", Path3 = "#66A61E") )pheatmap(test, annotation_col = annotation_col,annotation_row=annotation_row, annotation_colors = ann_colors, main = "Title")

 

設定 gap

#根據聚類結果，設定行gap
pheatmap(test, annotation_col = annotation_col, cluster_rows = FALSE, gaps_row = c(10, 14))

#根據聚類結果，設定列gap

pheatmap(test,annotation_col = annotation_col, cluster_rows = FALSE,cutree_col = 2)

#展示行或者列的label
labels_row = c("", "", "", "", "", "", "", "", "", "", "", "", "", "", "", "", "", "Il10", "Il15", "Il1b")
pheatmap(test, annotation_col = annotation_col, labels_row = labels_row)

熱圖彙總

pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row, annotation_colors = ann_colors,gaps_row = c(10, 14),cutree_col = 2,main = "Pheatmap")

 

輸出結果

 

A = pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row, annotation_colors = ann_colors,gaps_row = c(10, 14),cutree_col = 2,main = "Pheatmap") #記錄熱圖的行排序
order_row = A$tree_row$order  #記錄熱圖的列排序order_col = A$tree_col$order   # 按照熱圖的順序，重新排原始資料result = data.frame(test[order_row,order_col])   # 將行名加到表格資料中result = data.frame(rownames(result),result,check.names =F)  colnames(result)[1] = "geneid" #result結果按照熱圖中的順序write.table(result,file="reorder.txt",row.names=FALSE,quote = FALSE,sep='\t')  

 

R的當前工作目錄下即可檢視熱圖的結果。

 

【公眾號對話方塊，回覆 R熱圖 即可獲得上述熱圖R程式碼】

 

更多關於生信，R，Python的內容請掃碼關注小號，謝謝。

相關推薦