cutree对pheatmap返回结果实现聚类cluster划分

此前给大家介绍过pheatmap聚类后的矩阵数据重排：http://www.omicsclass.com/article/507 其中给大家介绍到了pheatmap返回结果是一个列表，其中包括行列聚类的返回结果，而这一结果又是基于hcl...

此前给大家介绍过pheatmap聚类后的矩阵数据重排：https://www.omicsclass.com/article/507

其中给大家介绍到了pheatmap返回结果是一个列表，其中包括行列聚类的返回结果，而这一结果又是基于hclust聚类返回的结果，这里刚好可以利用cutree函数对其聚类结果进行划分。

首先基于pheatmap参数cutree_row查看一下，将行聚类结果划分成3个cluster实现的图片结果如何（数据参考上一链接：https://www.omicsclass.com/article/507

pheatmap(mat,scale="row",cutree_rows =3)

返回的图片结果图上所示，对应不同的cluster中包含不同的基因。而如何获得文本格式的内容呢？——cutree()函数实现

cutree（）可以直接利用hclust返回结果进行cluster划分，

Usage

cutree(tree, k = NULL, h = NULL)

Arguments

tree	a tree as produced by hclust. cutree() only expects a list with components merge,height, and labels, of appropriate content each.
k	an integer scalar or vector with the desired number of groups
h	numeric scalar or vector with heights where the tree should be cut.

所以将热图结果中的list$tree_row作为tree输入即可：

list=pheatmap(mat,scale = "row")
row_cluster=cutree(list$tree_row,k=3)
>  row_cluster
AT1G01010 AT1G01030 AT1G01040 AT1G01050 AT1G01060 AT1G01070 AT1G01080 AT1G01090 
        1         2         3         2         2         3         2         2 
AT1G01100 AT1G01120 
        2         2

返回结果可以看到row_cluster即包含了哪些基因属于哪些cluster，将此结果和重排序后的矩阵整理至一起，就可以和热图对应

newOrder=mat[listp$tree_row$order,]
newOrder[,ncol(newOrder)+1]=row_cluster[match(rownames(newOrder),names(row_cluster))]
colnames(newOrder)[ncol(newOrder)]="Cluster"

> newOrder
              CK-WT-1      CK-WT-2      CK-WT-3   CK-tdr1-1   CK-tdr1-2   CK-tdr1-3 Cluster
AT1G01030    5.235280    2.7707000    2.6685900   3.2263200   1.3210500   1.9672600       2
AT1G01120  173.996000   51.0019000   52.3322000  66.9486000  41.1148000  49.7169000       2
AT1G01060    1.873769   16.9090246    0.9559375   0.4774184   0.5273923   0.4333881       2
AT1G01080   30.261105   33.6571056   31.4669073  30.9689028  28.0334025  27.6215018       2
AT1G01090   86.640500  116.4700000  111.7380000  82.8809000  85.7292000  79.6027000       2
AT1G01050  118.660000  140.1430000  123.3830000  97.2229000  95.2539000  91.8525000       2
AT1G01100 1448.627845 1634.0417300 1566.5625600 648.4734402 683.4113500 647.2749880       2
AT1G01010    3.741490    7.3618000    5.8173400   5.7113100   7.9705400  10.3762000       1
AT1G01040    2.821317    1.5633947    1.9316282   3.1948090   2.6008540   2.3012776       3
AT1G01070    1.710346    0.7802436    2.7996091   4.7297117   4.3637146   3.3732144       3

此结果和图片排列对应

如果想提升自己的绘图技能，我们推荐：R语言绘图基础（ggplot2)