怎么用R語言的pheatmap繪制熱圖

本篇內(nèi)容主要講解“怎么用R語言的pheatmap繪制熱圖”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習(xí)“怎么用R語言的pheatmap繪制熱圖”吧!

pheatmap簡介:

Pretty Heatmaps——Implementation of heatmaps that offers more control over dimensions and appearance.

熱圖是對實驗數(shù)據(jù)（尤其是基因的表達量）分布情況進行分析的直觀可視化方法，可以用來進行實驗數(shù)據(jù)的質(zhì)量控制和差異數(shù)據(jù)的具像化展示，還可以對數(shù)據(jù)和樣品進行聚類，觀測樣品實驗數(shù)據(jù)的相似性。

pheatmap使用方法，參數(shù)很多，這里給大家介紹比較常用的參數(shù)：

pheatmap包安裝與數(shù)據(jù)準(zhǔn)備：

install.packages(pheatmap)     #安裝包
# load package
library(pheatmap)
data <- read.delim("D:/test.txt", header=T, row.names="gene")
data_subset <- as.matrix(data[rowSums(data)>80000,])
test<-data_subset

pheatmap基礎(chǔ)繪圖示例

# 默認(rèn)繪圖
pheatmap(test)

# scale = "row"參數(shù)對行進行歸一化，還可設(shè)置 "column" and "none"
pheatmap(test, scale = "row")

# clustering_method參數(shù)設(shè)定不同聚類方法，默認(rèn)為"complete",可以設(shè)定為'ward', 'ward.D', 'ward.D2', 'single', 'complete', 'average', 'mcquitty', 'median' or 'centroid'
pheatmap(test,scale = "row", clustering_method = "average")

# clustering_distance_rows = "correlation"參數(shù)設(shè)定行聚類距離方法為Pearson corralation，默認(rèn)為歐氏距離"euclidean"
pheatmap(test, scale = "row", clustering_distance_rows = "correlation")

# color參數(shù)自定義顏色  更多顏色設(shè)置見：https://www.億速云.com/article/783
pheatmap(test, color = colorRampPalette(c("navy", "white", "firebrick3"))(50))

# cluster_row = FALSE參數(shù)設(shè)定不對行進行聚類
pheatmap(test, cluster_row = FALSE)

# legend_breaks參數(shù)設(shè)定圖例顯示范圍，legend_labels參數(shù)添加圖例標(biāo)簽
pheatmap(test, legend_breaks = c(10000,20000,30000,40000,60000), legend_labels = c("10000","20000","30000","40000","60000"))

# legend = FALSE參數(shù)去掉圖例
pheatmap(test, legend = FALSE)

# border_color參數(shù)設(shè)定每個熱圖格子的邊框色
pheatmap(test, border_color = "black")

# border=FALSE參數(shù)去掉邊框線
pheatmap(test, border=FALSE)

# show_rownames和show_colnames參數(shù)設(shè)定是否顯示行名和列名
pheatmap(test,show_rownames=F,show_colnames=F)

# treeheight_row和treeheight_col參數(shù)設(shè)定行和列聚類樹的高度，默認(rèn)為50
pheatmap(test, treeheight_row = 30, treeheight_col = 50)

# display_numbers = TRUE參數(shù)設(shè)定在每個熱圖格子中顯示相應(yīng)的數(shù)值，number_color參數(shù)設(shè)置數(shù)值字體的顏色
pheatmap(test, display_numbers = TRUE,number_color = "black")

# number_format = "%.1e"參數(shù)設(shè)定數(shù)值的顯示格式
pheatmap(test, display_numbers = TRUE, number_format = "%.1e")

# 自定義數(shù)值的顯示方式
pheatmap(test, display_numbers = matrix(ifelse(test > 40000, "*", ""), nrow(test)))

# cellwidth和cellheight參數(shù)設(shè)定每個熱圖格子的寬度和高度，main參數(shù)添加主標(biāo)題
pheatmap(test, cellwidth = 15, cellheight = 12, main = "Example heatmap")

對樣本或者基因標(biāo)記分類

# 構(gòu)建列注釋信息
my_sample_col <- data.frame(sample = rep(c("tumour", "normal"), c(4,2)),
                            Time=c(1,1,2,2,2,1)
                            )
row.names(my_sample_col) <- colnames(test)
head(my_sample_col)
    sample Time
T1a tumour    1
T1b tumour    1
T2  tumour    2
T3  tumour    2
N1  normal    2
N2  normal    1

# 構(gòu)建行注釋信息,這里代碼產(chǎn)生分組信息，也可以從數(shù)據(jù)讀入一個表格，聚類樹分隔詳情見：https://www.億速云.com/article/508
list=pheatmap(test)
my_gene_col=cutree(list$tree_row,k=2)
my_gene_col <- data.frame(cluster = ifelse(test = my_gene_col == 1, yes = "cluster 1", no = "cluster 2"))
set.seed(1984)
my_random <- as.factor(sample(x = 1:2, size = nrow(my_gene_col), replace = TRUE))
my_gene_col$random <- my_random
head(my_gene_col)
             cluster random
Gene_00562 cluster 1      2
Gene_02296 cluster 2      2
Gene_03861 cluster 2      2
Gene_07390 cluster 2      2
Gene_08042 cluster 2      1
Gene_08694 cluster 1      1

準(zhǔn)備好行列注釋就可以繪圖：

pheatmap(test, annotation_row = my_gene_col, annotation_col = my_sample_col)

自定義分組顏色：

ann_colors = list(
  Time = c("white", "firebrick"),
  sample = c(normal = "#1B9E77", tumour = "#D95F02"),
  cluster = c(`cluster 1` = "#7570B3", `cluster 2` = "#E7298A"),
  random=c(`1`="red",`2`="blue")
)
head(ann_colors)
# annotation_colors設(shè)定注釋信息的顏色
pheatmap(test, annotation_col = my_sample_col,annotation_row =my_gene_col , annotation_colors = ann_colors, main = "Title")

熱圖分塊顯示：

# 手動指定gap劃分區(qū)塊：gaps_row = c(6, 10)參數(shù)在第6和10行處添加gap, 要求對行不進行聚類。對應(yīng)的還有g(shù)aps_col，大家也可以試試
pheatmap(test, annotation_col = my_sample_col, cluster_rows = FALSE, gaps_row = c(6, 10))

# cutree_col = 2，cutree_rows=2參數(shù)將列按聚類樹的結(jié)果分成兩部分, 要求對列和進行聚類
pheatmap(test,
         annotation_row = my_gene_col,
         annotation_col = my_sample_col,
         cutree_rows = 2,
         cutree_cols = 2)

# 自定義行的標(biāo)簽名。注意：基因名稱的順序與原始表格的順序一致，而不是聚類后的順序：
labels_row = c("", "", "", "", "", "", "", "", "", "", "", "", "", "", "", 
               "", "", "TP53", "FLC", "her2","","","","","","AKT")
# labels_row參數(shù)添加行標(biāo)簽
pheatmap(test, annotation_col = my_sample_col, labels_row = labels_row)

到此，相信大家對“怎么用R語言的pheatmap繪制熱圖”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！