热图（heatmap）的典型应用是简单地聚合大量数据，并使用一种渐进的色带来优雅地表现，最终效果一般优于离散点的直接显示，可以很直观地展现空间数据的疏密程度或频率高低。但也由于很直观，热图在数据表现的准确性并不能保证。
最近一直在学习转录组分析，在绘制差异表达基因热图的时候遇到了个坑？我发现的做出来的热图和别人不一样。如下图所示，图1是我的，图2是别人家的。
图1
图2
数据规范化
怎么解决呢？直接取对数吗？
取log对表达量的影响
如果对表达量去一下log10，发现10000变成了4，10变成了1，这样之前离散程度很大的数据就被集中了。
图3
Z-score标准化
聚类分析中均一化是如何计算的？
表达矩阵每行数据的各个数值减去每行数据的均值，再除以每行数据的标准差。
Z 值 = (X - µ) / σ
其中，X = 标准化的随机变量, µ = 样本均值, σ = 样本标准差。
详细的数据规范化（归一化）、及Z-score标准化可参考教程https://blog.csdn.net/weixin_38706928/article/details/80329563
pheatmap绘制聚类热图
准备工作
关于R环境搭建可参考教程，【R语言入门】R语言环境搭建 - 简书
#安装pheatmap
if (!requireNamespace("pheatmap", quietly = TRUE))
install.packages("pheatmap")
#加载R包
library(pheatmap)
#设置工作目录
setwd("C:/Users/23696/Desktop/")
sample_info = c("CK_0_1" ,"CK_0_2" , "CK_0_3","CK_30_1" ,"CK_30_2" ,"CK_30_3","HA_0_1" , "HA_0_2" , "HA_0_3" , "HA_30_1", "HA_30_2" ,"HA_30_3")
#读取数据
#header=T第一行作为表头
#row.names = 1第一列作为列名称
data = read.table("./test.txt",header=T,sep = "\t",row.names = 1)
图4 数据
绘制热图
#取出需要作图的列
data = data[,sample_info]
# 构建样本分类数据
# 列分列类要与列数相同，行分类同理
sample_calss=c(rep('CK_0',3),
rep('CK_30',3),
rep('HA_0',3),
rep('HA_30',3))
annotation_c <- data.frame(sample_calss)
rownames(annotation_c) <- colnames(data)
#data = log2(data+1)加1防止0出错
#data = log2(data+1)
pheatmap(data,
cluster_rows = T, #行聚类
cluster_cols = T, #列聚类
show_rownames = F,
show_colnames = T,
annotation_col = annotation_c, #添加分类图例
scale = "row", #对行标准化,这一步很重要
cellwidth = 40, #设置小格子的宽
#cellheight = 1, #设置小格子的高
border= F, #不显示小格子的边框
#angle_col = "45",#列名称旋转45°
color = colorRampPalette(c("#00FF00","#000000","#FF0000"))(100), # 热图基准颜色
main = "差异表达基因聚类热图"
)
通过一些数学函数，将原始值进行映射。该方法包括log、指数、正切等。当变量是正偏态分布的时候，选用log对数。是否取对数可根据自己的需求。
ps:生信小白一枚。内容仅供参考，和谐交流 ，欢迎大佬指导，也欢迎大家一起学习。
