當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

怎么让热图显示基因名_R 生信数据可视化 01 | 聚类热图

發布時間：2025/3/15 编程问答 60 豆豆

生活随笔收集整理的這篇文章主要介紹了怎么让热图显示基因名_R 生信数据可视化 01 | 聚类热图小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

一. 示例數據準備

下載：鏈接：https://pan.baidu.com/s/1_b8swSkWDqIHZi6UwKaspA 提取碼：pll7

文件說明
示例數據，其中數據均為虛擬數據，與實際生物學過程無關
文件名：dataset_heatmap.txt
列分別為基因，cell1的5個重復樣本，cell2的5個重復樣本
行代表每個基因在所有樣本的FPKM值

二. 環境需求

Rstudio：如果系統中沒有 Rstudio，先下載安裝：https://www.rstudio.com/products/rstudio/download/#download

heatmaps 包：

如果沒有安裝該R包，執行以下代碼：

if (!requireNamespace("BiocManager", quietly = TRUE))install.packages("BiocManager")BiocManager::install("heatmaps")

三. 繪制聚類熱圖

1. 聚類熱圖繪制

# 執行前設置==================================== # 清空暫存數據 rm(list=ls()) # 載入R包 library(pheatmap) # 設置工作目錄 setwd("E:/R/WorkSpace/baimoc/visualization")# 整理數據集==================================== # 載入數據 dataset <- read.table('resource/dataset_heatmap.txt',header = TRUE, row.names = 1) # 截取表達矩陣的一部分數據來繪制熱圖 exp_ds = dataset[c(1:60),c(1:10)] # 構建樣本分類數據 cell_list=c(rep('cell_1',5),rep('cell_2',5)) annotation_c <- data.frame(cell_list) rownames(annotation_c) <- colnames(exp_ds)# 繪制熱圖===================================== pheatmap(exp_ds, #表達數據cluster_rows = T,#行聚類cluster_cols = T,#列聚類annotation_col =annotation_c, #樣本分類數據annotation_legend=TRUE, # 顯示樣本分類show_rownames = T,# 顯示行名show_colnames = T,# 顯示列名scale = "row", #對行標準化color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100) # 熱圖基準顏色 )

2. 無分類信息熱圖

# 將繪制熱圖部分替換為下列代碼 # 繪制熱圖===================================== pheatmap(exp_ds, show_rownames = T,show_colnames = T,scale = "row", color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100) )

3. 無聚類熱圖

# 將繪制熱圖部分替換為下列代碼 pheatmap(exp_ds, #表達數據cluster_rows = F,cluster_cols = F,show_rownames = T,show_colnames = T,scale = "row", color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100) )

4. 分割聚類樹熱圖

5. 多分組聚類熱圖

# 清空暫存數據 rm(list=ls()) # 載入R包 library(pheatmap) # 設置工作目錄 setwd("E:/R/WorkSpace/baimoc/visualization")# 整理數據集==================================== # 參數'./resource/dataset.txt'，表示載入E:/R/WorkSpace/baimoc/visualization/resource/dataset_heatmap.txt dataset <- read.table('resource/dataset_heatmap.txt',header = TRUE, row.names = 1) # 截取表達矩陣的一部分數據來繪制熱圖 exp_ds = dataset[c(1:60),c(1:10)] # 構建樣本分類數據 cell_type=c(rep('cell_1',5),rep('cell_2',5)) sample_calss=c(rep('normal',5),rep('cancer',5)) sample_type=c(rep('control',5),rep('case',5)) level = c(1:10)annotation_c <- data.frame(cell_type, sample_calss, sample_type, level) rownames(annotation_c) <- colnames(exp_ds)gene_class=c(rep('good',30),rep('bad',30)) gene_type=c(rep('fat',20),rep('blood',20),rep('Immunology',20)) annotation_r <- data.frame(gene_class, gene_type) rownames(annotation_r) <- rownames(exp_ds) # 繪制熱圖===================================== pheatmap(exp_ds, #表達數據cluster_rows = T,#行聚類cluster_cols = T,#列聚類annotation_col =annotation_c, #樣本分類數據annotation_row = annotation_r,annotation_legend=TRUE, # 顯示樣本分類show_rownames = T,# 顯示行名show_colnames = T,# 顯示列名scale = "row", #對行標準化color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100), # 熱圖基準顏色 )

6. 分組調色

# 清空暫存數據 rm(list=ls()) # 載入R包 library(pheatmap) # 設置工作目錄 setwd("E:/R/WorkSpace/baimoc/visualization")# 整理數據集==================================== # 參數'./resource/dataset.txt'，表示載入E:/R/WorkSpace/baimoc/visualization/resource/dataset_heatmap.txt dataset <- read.table('resource/dataset_heatmap.txt',header = TRUE, row.names = 1) # 截取表達矩陣的一部分數據來繪制熱圖 exp_ds = dataset[c(1:60),c(1:10)] # 構建樣本分類數據 sample_calss=c(rep('Normal',5),rep('Cancer',5))annotation_c <- data.frame(sample_calss) rownames(annotation_c) <- colnames(exp_ds)gene_type=c(rep('Fat',20),rep('Blood',20),rep('Immunology',20)) annotation_r <- data.frame(gene_type) rownames(annotation_r) <- rownames(exp_ds)annotation_colors = list(sample_calss=c(Normal='#F8EFBA', Cancer='#FD7272'),gene_type=c(Fat='#f1f2f6', Blood='#ced6e0', Immunology='#57606f')) # 繪制熱圖===================================== pheatmap(exp_ds, #表達數據cluster_rows = T,#行聚類cluster_cols = T,#列聚類annotation_col =annotation_c, #樣本分類數據annotation_row = annotation_r,annotation_colors = annotation_colors,annotation_legend=TRUE, # 顯示樣本分類show_rownames = T,# 顯示行名show_colnames = T,# 顯示列名scale = "row", #對行標準化color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100), # 熱圖基準顏色 )

7. 顯示文本

# 繪制熱圖===================================== pheatmap(exp_ds, show_rownames = T,show_colnames = T,scale = "row", color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100),display_numbers = T, # 顯示數值fontsize_number = 8, # 設置字體大小number_color = '#4a4a4a', #設置顏色number_format = '%.2f' # 設置顯示格式 )

8. 去除描邊

9. 字體相關

pheatmap(exp_ds, #表達數據show_rownames = T,# 顯示行名show_colnames = T,# 顯示列名scale = "row", #對行標準化color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100), # 熱圖基準顏色fontsize = 10, # 全局字體大小，會被后邊設置所覆蓋fontsize_row = 8, # 行字體大小fontsize_col = 12, # 列字體大小angle_col = 45, # 設置列偏轉角度，可選 270, 0, 45, 90, 315，gaps_row = T )

10. 調整聚類樹高

pheatmap(exp_ds, show_rownames = T,show_colnames = T,scale = "row", color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100),treeheight_row = 50,treeheight_col = 30 )

11. 聚類方法選擇

pheatmap(exp_ds, show_rownames = T,show_colnames = T,scale = "row", color =colorRampPalette(c("#8854d0", "#ffffff","#fa8231"))(100),clustering_distance_rows = 'euclidean', # 計算聚類間距的算法，可選'correlation', 'euclidean', 'maximum', 'manhattan', 'canberra', 'binary', 'minkowski'clustering_method = 'complete', # 聚類方法, 可選'ward', 'ward.D', 'ward.D2', 'single', 'complete', 'average', 'mcquitty', 'median' or 'centroid' )

四. 保存為圖片

這里可導出像素圖和PDF，也可拷貝到PS調整

選擇合適的文件格式，調整合適長寬，印刷或投稿選PDF，TIFF，EPS就好
文件默認存儲在剛剛設置的工作目錄里

五. 詳細參數設置說明

1. 設置工作目錄

setwd("E:/R/WorkSpace/baimoc/visualization")

在R的執行過程中，為了方便，需要指定一個獲取文件和輸出文件所在的目錄，這樣就不需要每次設置全路徑，只需要指定相對目錄

setwd("E:/R/WorkSpace/baimoc/visualization")的意思就是設置工作目錄為E:/R/WorkSpace/baimoc/visualization

2. 載入數據

dataset <- read.table('resource/dataset_heatmap.txt',header = TRUE, row.names = 1)

因為工作目錄已經設置，如果要獲取E:/R/WorkSpace/baimoc/visualization/resource/dataset_heatmap.txt文件，那么就只需要設置相對路徑resource/dataset_heatmap.txt

對于header = TRUE, row.names = 1代表讀取文件表頭，設置第一列為行名

3. 獲取數據子集

# 截取表達矩陣的一部分數據來繪制熱圖 exp_ds = dataset[c(1:60),c(1:10)]

原始數據：

如果獲取前兩個基因和cell1與cell2的前兩個樣本，只需要執行

exp_ds = dataset[c(1:5),c(1:3,6:8)]

4. 樣本分類數據

# 構建樣本分類數據 cell_list=c(rep('cell_1',5),rep('cell_2',5)) annotation_c <- data.frame(cell_list) rownames(annotation_c) <- colnames(exp_ds)

這段代碼目的是構建分類名與原始數據的列名的對應關系

總結

以上是生活随笔為你收集整理的怎么让热图显示基因名_R 生信数据可视化 01 | 聚类热图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇： linux 基础训练,Linux 基础训
下一篇： cast函数 oracle 日期_从Or