pheatmap是R语言中绘制热图的一个非常流行的包，通过设置不同的参数能够画出精美的图。因此，本文章介绍一些pheatmap的一些基础用法，以供参考。
library(pheatmap)
# 加载数据
setwd("D:/Desktop")
gene.exp <- read.table("tpm.txt", header = T, row.names = 1)
gene.expr[gene.expr < 1] <- 0 # 将数据中tpm值小于1的替换为0
gene.expr = gene.expr[apply(gene.expr, 1, function(x) sd(x)!=0),] # 去除标准差为0的行，会对后续聚类造成影响
# 进行绘图
bk <- c(seq(-2,-0.01,by=0.01),seq(0,2,by=0.01)) # 调整图例的数值范围
pheatmap(test, # 载入数据
scale="row", # 对数据按行进行归一化，避免数值过大或过小对热图的影响
cluster_rows=TRUE, # 对行进行聚类
cluster_cols=TRUE, # 对列进行聚类
border_color = "white", # 调整单元格边框颜色
show_rownames = FALSE, # 不显示行名
color = c(colorRampPalette(colors = c("blue","white"))(length(bk)/2),
colorRampPalette(colors = c("white","red"))(length(bk)/2)), # 调整图例的颜色
legend_breaks=seq(-2,2,1), # 设置颜色断点
breaks=bk, # 调整图例的数值范围
treeheight_row = 0, # 去除行的聚类树，即进行聚类但不显示聚类树
cutree_cols=2) # 按列对图分割
image.png
我们也可以按照分组进行对热图中的样品进行排序,同时我们也可以选取对特定的基因进行绘图
library(tidyverse)
allmarker <- read.table("Allmarkers.txt", header = T)
class <- read.table("group.txt", header = T, row.names = 1)
selected_rows <- gene[rownames(gene) %in% allmarker$x,] # 挑选特定基因出来
sort_idx <- order(match(colnames(selected_rows), rownames(class)))
genenewcol <- selected_rows[, sort_idx] # 按照group中的样品顺序对基因表达matrix中的列进行排序
pheatmap(genenewcol, scale="row", cluster_rows =F, cluster_cols = F, annotation_col = class, show_rownames = F,
color = c(colorRampPalette(colors = c("blue","white"))(length(bk)/2),
colorRampPalette(colors = c("white","red"))(length(bk)/2)),
legend_breaks=seq(-3,3,1.5), breaks=bk, fontsize_row = 3))
颜色一样的样品排到一起
