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）：
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：
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")
（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)
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：
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：
- 发表于 2018-10-30 11:24
- 阅读 ( 24092 )
- 分类：R
