0.需求
如果直接拿基因的log表达量去画热图，画风是这样的：
(示例矩阵没有行名和列名，有行名列名的矩阵可用show_rownames = F,show_colnames = F参数隐藏行列名)
rm(list = ls())
library(pheatmap)
load("exp.Rdata")
exp[1:4,1:4]
## [,1] [,2] [,3] [,4]
## [1,] 4.54610 4.40210 4.49239 10.25060
## [2,] 11.25310 11.20760 11.17820 6.98791
## [3,] 5.81479 5.91209 6.11324 11.54910
## [4,] 11.64830 11.63730 11.59630 7.90508
pheatmap(exp)
可以看到，两组之间能看出差别，但是对比不鲜明。这个矩阵一行是一个基因在6个样本里的表达量，一列是一个样本里所有基因的表达量。我们如果可以强调列与列之间的差别，图就会更加直观了，实现这一目的的办法是将数据按行标准化，用到scale，它既是一个函数，又是pheatmap的一个参数。
1.强调列与列之间的差别
有两个方法：一个是内部标准化，画图时使用pheatmap自带的scale参数：
pheatmap(exp,scale = "row")
一个是外部标准化，先scale再画图。
n = t(scale(t(exp)))
pheatmap(n)
这个例子 样本数量较少，两张图一毛一样。我们来换个样本量多的数据。
2.换个样本多的数据来试试
这是tinyarray包里的内置数据，装了包就可以直接用哦
if(!require(tinyarray)) devtools::install_github("xjsun1221/tinyarray")
library(tinyarray)
exp2 = log2(exp_hub1+1)
pheatmap(exp2,show_colnames = F,scale = "row")
pheatmap(t(scale(t(exp2))),show_colnames = F)
这次，两张图看出区别了吧？
聚类情况是一致的，但是颜色分配不同哦，由于取了标准化以后还是有个别比较大/小的值，所以第一张图大片的颜色是比较淡的；第二张图大片的颜色是红色和黄色，边上挤着一点点蓝色。
配色不同，是因为breaks的计算模式不同，如果自己设置相同的breaks,两张图就一毛一样了哦
拼起来的图更直观~
自定义breaks设置了颜色分配范围，超出范围的格子将会以最大/小值颜色表示（我设置的是-3到3范围内从蓝到红的渐变，那么大于三的值会是最红的颜色，小于三的值则是最蓝的颜色）
当然 根据实际情况，你也可以设置-2到2的范围，-4到4的范围，可以调试，让他显示出鲜明的对比为止~
library(gridExtra)
p1 = pheatmap(exp2,show_colnames = F,scale = "row",breaks = seq(-3,3,length.out = 100),silent = T)
p2 = pheatmap(t(scale(t(exp2))),show_colnames = F,breaks = seq(-3,3,length.out = 100),silent = T)
grid.arrange(grobs=list(p1$gtable, p2$gtable))
从前遇到这种颜色，都是手动设置一下阈值，现在知道了breaks参数，就齐活啦，两个方法都可以完美的搞起了~
一个不重要的知识点
解释一下为什么上面的代码length.out是100。这是因为热图的默认配色是
colorRampPalette(rev(brewer.pal(n = 7, name = "RdYlBu")))(100),这是100种颜色的渐变，所以breaks需要和这里的100呼应。
so,当你换颜色的时候，比如：
pheatmap(exp2,
show_colnames = F,
scale = "row",
color = colorRampPalette(c("navy", "white", "firebrick3"))(50),
breaks = seq(-3,3,length.out = 50))
前面是50，后面也要是50，对应起来~
网友评论