pheatmap绘制聚类热图

R语言里面能够绘制热图的方法非常多,除了基本函数外还涉及了多种R包,其中一个包是pheatmap。 pheatmap意为pretty heatmaps,是一个非常有效且能快速绘制出聚类热图的R包,其绘图函数pheatmap...

R语言里面能够绘制热图的方法非常多,除了基本函数外还涉及了多种R包,其中一个包是pheatmap。

pheatmap意为pretty heatmaps,是一个非常有效且能快速绘制出聚类热图的R包,其绘图函数pheatmap参数控制简单易于理解,从学习的角度而言也能够轻松上手,今天就简单介绍一下pheatmap绘制热图

1. 基因表达聚类热图

数据准备

pheatmap绘制基因表达数据热图,需要一个基因表达数值矩阵文件,数据格式往往是行为基因表达数据、列为样本信息(如下图20*6):

attachments-2018-10-Q4FWESDE5bd7ce2ad5653.jpg

确保安装和加载包之后,正确读取文件,获取数值矩阵即可进行绘图:

library(pheatmap)
mat=read.table("F:/mat.txt",header = T,row.names = 1,sep="\t",check.names = F)
dim(mat)
pheatmap(mat)


利用pheatmap一步出图,其结果如下:

attachments-2018-10-NuQ6qS3s5bd7ce36c6ce0.jpg

参数调整

初始绘图结果和实际需要的图片差异可能比较大,这些都可以通过对应的参数进行调整,譬如:
(1)scale 数据标准化
原始数据中,
每个基因表达变化范围对应的数值大小不同,导致图片中色彩变化难以显示基因在不同样本中的变化趋势,可以对基因在每个样本中基因表达数据进行标准化,使其数值在一定范围内,从而实现热图的优化,而控制参数为scale,对基因(行,row)进行处理(结果见下图):

pheatmap(mat,scale = "row")


attachments-2018-10-0ZkWBoDk5bd7ce621f38d.jpg

(2)cluster聚类的选择

pheatmap绘制得到的热图默认对基因(行)和样品(列)进行了聚类,常规情况下我们确实会选中聚类,但是你也可以设置,选聚类或者不聚类,甚至聚类的方法,例如不进行样品聚类,而对基因聚类,同时修改默认聚类方法"complete"为"average":

pheatmap(mat,scale = "row",cluster_rows =T,clustering_method = "average",cluster_cols = F)


attachments-2018-10-mjTSB2AC5bd7ce6bd8b5d.jpg

除了以上设置外,pheatmap还有很多细节的调整,涉及行列、色彩、数字显示、字体、注释、图例等等,譬如经过参数调整,绘制出下方较为美观的热图:

attachments-2018-10-7bhzrHSh5bd7ce7dd0c11.jpg

2. 微生物OTU丰度矩阵

热图的绘制并不仅限于基因表达数据,来源于其他实验的数据同样可以进行绘图,只需要将数据整理成相似的格式都能实现最终结果,譬如利用OTU丰度矩阵,绘制出了下图:

attachments-2018-10-yVp3wixO5bd7ce9a3e800.jpg



如果想提升自己的绘图技能,我们推荐:R语言绘图基础(ggplot2)


更多生物信息课程:https://study.omicsclass.com/index


  • 发表于 2018-10-30 11:24
  • 阅读 ( 23892 )
  • 分类:R

0 条评论

请先 登录 后评论
Daitoue
Daitoue

167 篇文章

作家榜 »

  1. omicsgene 700 文章
  2. 安生水 348 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. xun 82 文章
  6. 红橙子 78 文章
  7. rzx 75 文章
  8. CORNERSTONE 72 文章