- 安裝pheatmap包
- 創(chuàng)建測(cè)試矩陣
- 畫個(gè)熱圖
- 顯示色塊的數(shù)值或文本
- 調(diào)整色塊或文本大小
- 行列注釋
- 列名的文本角度調(diào)整
- 切分熱圖
- 自定義顯示哪些行列的名字
- 用距離矩陣的方法來聚類
- 練習(xí)
1. 安裝pheatmap包
install.packages("pheatmap")
library(pheatmap)
2. 創(chuàng)建測(cè)試矩陣
test = matrix(rnorm(200), 20, 10) #test為一個(gè)20*10的矩陣，200個(gè)元素滿足參數(shù)為0和1的正態(tài)分布
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 = "") #定義列名，注意paste的用法
rownames(test) = paste("Gene", 1:20, sep = "") #定義行名
3. 畫個(gè)熱圖
3.1 pheatmap(test)
基本用法降铸，根據(jù)“2. 創(chuàng)建測(cè)試矩陣”中的局部賦值運(yùn)算可以得到明顯的分區(qū)。
3.2 pheatmap(test, kmeans_k = 3)
將行聚為幾類
kmeans是一種聚類算法谢鹊，詳見https://www.cnblogs.com/bourneli/p/3645049.html
3.3 pheatmap(test, scale = "row")
標(biāo)準(zhǔn)化
為什么要標(biāo)準(zhǔn)化镜硕？ 原始數(shù)據(jù)中闻妓，每個(gè)基因表達(dá)變化范圍對(duì)應(yīng)的數(shù)值大小不同睦优，導(dǎo)致圖片中色彩變化難以顯示基因在不同樣本中的變化趨勢(shì)渗常，可以對(duì)基因在每個(gè)樣本中基因表達(dá)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，使其數(shù)值在一定范圍內(nèi)汗盘，從而實(shí)現(xiàn)熱圖的優(yōu)化皱碘，而控制參數(shù)為scale，對(duì)基因（行隐孽，row）進(jìn)行處理
可以與第一張圖比較一下癌椿，例如Gene3這一行，在這張圖中可以看出樣本之間的差異明顯了許多缓醋。
3.4 pheatmap(test, clustering_distance_rows = "correlation")
聚類線長(zhǎng)度優(yōu)化如失，可能不一樣的算法有不一樣的枝長(zhǎng)绊诲。
clustering_distance_cols同理送粱。
3.5 pheatmap(test, color = colorRampPalette(c("navy", "white", "firebrick3"))(10))
設(shè)置顏色，后面括號(hào)里的數(shù)字表示梯度掂之，10就是將這三種顏色設(shè)置為10個(gè)梯度
3.6 pheatmap(test, cluster_row = FALSE)
是否顯示行的聚類抗俄，cluster_col同理
3.7 pheatmap(test, legend = FALSE)
是否顯示圖例
4. 顯示色塊的數(shù)值或文本
基本用法：pheatmap(test, display_numbers = TRUE)
此外還可添加如下參數(shù)
number_format = "%.3e"表示保留3位小數(shù)，且用科學(xué)計(jì)數(shù)法顯示
number_format = "%.3f"表示保留3位小數(shù)世舰，用小數(shù)顯示
display_numbers除了賦布爾值动雹，還能賦矩陣（其維度與原矩陣相同），此時(shí)可以人為添加文本（有點(diǎn)像R畫圖的圖層疊加）跟压。
pheatmap(test, display_numbers = matrix(ifelse(test > 5, "*", ""), 20,10))
legend_breaks設(shè)置圖例的顯示范圍胰蝠，間隔為1；legend_labels重寫刻度的標(biāo)簽, 需與legend_breaks同時(shí)使用震蒋。
pheatmap(test, legend_breaks = -1:4, legend_labels = c("0","1e-4", "1e-3", "1e-2", "1e-1", "1"))
5. 調(diào)整色塊或文本大小
pheatmap(test, cellwidth = 15, cellheight = 12, main = "Example heatmap", fontsize = 8, filename = "test.pdf")
dev.off()
這五個(gè)參數(shù)分別表示：
色塊的寬度茸塞、色塊的高度、標(biāo)題查剖、行列名及圖例字體的大小钾虐、保存為當(dāng)前工作目錄下的圖片的文件名
6. 行列注釋
對(duì)于每一行每一列都添加一些注釋信息，本質(zhì)還是"分類"笋庄。
annotation_col = data.frame(
CellType = factor(rep(c("CT1", "CT2"), 5)),
Time = 1:5
) #注意rep()的用法效扫；為什么要定義為因子倔监；R可以自動(dòng)補(bǔ)全Time變量
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 = "")
> annotation_col
CellType Time
Test1 CT1 1
Test2 CT2 2
Test3 CT1 3
Test4 CT2 4
Test5 CT1 5
> annotation_row
GeneClass
Gene1 Path1
Gene2 Path1
Gene3 Path1
Gene4 Path1
Gene5 Path1
在實(shí)際操作中，這些數(shù)據(jù)框表示的信息需要我們自己記錄菌仁。
pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row)
自定義注釋色塊的顏色
ann_colors = list(
Time = c("white", "firebrick"),
CellType = c(CT1 = "#1B9E77", CT2 = "#D95F02"),
GeneClass = c(Path1 = "#7570B3", Path2 = "#E7298A", Path3 = "#66A61E")
) #注意ann_colors是列表
pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row,
annotation_colors = ann_colors)
7. 列名的文本角度調(diào)整
angle_col = "45"浩习，文本與從左向右水平線的夾角，只能是“270”, “0”, “45”, “90”, “315”這幾個(gè)值济丘。
8. 切分熱圖
pheatmap(test, cluster_rows = F, gaps_row = c(10, 14), cluster_cols = T,
cutree_col = 4)
gaps_row有效的前提是cluster_rows = F瘦锹；cutree_col有效的前提是cluster_cols = T
效果圖如下：
9. 自定義顯示哪些行列的名字
labels_row = c("", "", "", "", "", "", "", "", "", "", "", "", "", "", "",
"", "", "Il10", "Il15", "Il1b")
pheatmap(test, labels_row = labels_row)
10. 用距離矩陣的方法來聚類
?dist()
This function computes and returns the distance matrix computed by using the specified distance measure to compute the distances between the rows of a data matrix.
?t()
求矩陣的轉(zhuǎn)置
drows = dist(test, method = "minkowski")
dcols = dist(t(test), method = "minkowski")
pheatmap(test, clustering_distance_rows = drows, clustering_distance_cols = dcols)
minkowski度量我目前還不理解是什么。
我試了一下闪盔，和pheatmap(test)在圖片上看不出區(qū)別弯院。
11. 練習(xí)
#將原文本文件的第一列作為行名
a <- read.table("GSE17215_series_matrix.txt",comment.char = "!",sep = "\t",header = T)
rownames(a)=a[,1]
a=a[,-1]
# 或者如下
# a <- read.table("GSE17215_series_matrix.txt",comment.char = "!",sep = "\t",header = T,row.names = 1)
# View(a)
a <- log2(a)
隨機(jī)取40行畫熱圖，探針在各樣本中區(qū)別不明顯泪掀。
pheatmap::pheatmap(a[sample(1:nrow(a),40),])
取行標(biāo)準(zhǔn)差最大的40行畫熱圖听绳，差別出來了。
sd_top_40 <- names(sort(apply(a,1,sd),decreasing = T)[1:40])
sd_top_40
pheatmap(a[sd_top_40,])
