R学习笔记(2)：用pheatmap画个热图

1. 安装pheatmap包
2. 创建测试矩阵
3. 画个热图
4. 显示色块的数值或文本
5. 调整色块或文本大小
6. 行列注释
7. 列名的文本角度调整
8. 切分热图
9. 自定义显示哪些行列的名字
10. 用距离矩阵的方法来聚类
11. 练习

1. 安装pheatmap包

install.packages("pheatmap")
library(pheatmap)

2. 创建测试矩阵

test = matrix(rnorm(200), 20, 10) #test为一个20*10的矩阵，200个元素满足参数为0和1的正态分布
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 = "") #定义列名，注意paste的用法
rownames(test) = paste("Gene", 1:20, sep = "") #定义行名

3. 画个热图

3.1 pheatmap(test)

基本用法，根据“2. 创建测试矩阵”中的局部赋值运算可以得到明显的分区。

3.2 pheatmap(test, kmeans_k = 3)

将行聚为几类

kmeans是一种聚类算法，详见https://www.cnblogs.com/bourneli/p/3645049.html

3.3 pheatmap(test, scale = "row")

标准化

为什么要标准化？ 原始数据中，每个基因表达变化范围对应的数值大小不同，导致图片中色彩变化难以显示基因在不同样本中的变化趋势，可以对基因在每个样本中基因表达数据进行标准化，使其数值在一定范围内，从而实现热图的优化，而控制参数为scale，对基因（行，row）进行处理

可以与第一张图比较一下，例如Gene3这一行，在这张图中可以看出样本之间的差异明显了许多。

3.4 pheatmap(test, clustering_distance_rows = "correlation")

聚类线长度优化，可能不一样的算法有不一样的枝长。
clustering_distance_cols同理。

3.5 pheatmap(test, color = colorRampPalette(c("navy", "white", "firebrick3"))(10))

设置颜色，后面括号里的数字表示梯度，10就是将这三种颜色设置为10个梯度

3.6 pheatmap(test, cluster_row = FALSE)

是否显示行的聚类，cluster_col同理

3.7 pheatmap(test, legend = FALSE)

是否显示图例

4. 显示色块的数值或文本

基本用法：pheatmap(test, display_numbers = TRUE)
此外还可添加如下参数
number_format = "%.3e"表示保留3位小数，且用科学计数法显示
number_format = "%.3f"表示保留3位小数，用小数显示

display_numbers除了赋布尔值，还能赋矩阵（其维度与原矩阵相同），此时可以人为添加文本（有点像R画图的图层叠加）。

pheatmap(test, display_numbers = matrix(ifelse(test > 5, "*", ""), 20,10))

legend_breaks设置图例的显示范围，间隔为1；legend_labels重写刻度的标签, 需与legend_breaks同时使用。
pheatmap(test, legend_breaks = -1:4, legend_labels = c("0","1e-4", "1e-3", "1e-2", "1e-1", "1"))

5. 调整色块或文本大小

pheatmap(test, cellwidth = 15, cellheight = 12, main = "Example heatmap", fontsize = 8, filename = "test.pdf")
dev.off()

这五个参数分别表示：
色块的宽度、色块的高度、标题、行列名及图例字体的大小、保存为当前工作目录下的图片的文件名

6. 行列注释

对于每一行每一列都添加一些注释信息，本质还是"分类"。

annotation_col = data.frame(
  CellType = factor(rep(c("CT1", "CT2"), 5)), 
  Time = 1:5
) #注意rep()的用法；为什么要定义为因子；R可以自动补全Time变量
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

在实际操作中，这些数据框表示的信息需要我们自己记录。

pheatmap(test, annotation_col = annotation_col, annotation_row = annotation_row)

自定义注释色块的颜色

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. 列名的文本角度调整

angle_col = "45"，文本与从左向右水平线的夹角，只能是“270”, “0”, “45”, “90”, “315”这几个值。

8. 切分热图

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；cutree_col有效的前提是cluster_cols = T
效果图如下：

9. 自定义显示哪些行列的名字

labels_row = c("", "", "", "", "", "", "", "", "", "", "", "", "", "", "", 
               "", "", "Il10", "Il15", "Il1b")

pheatmap(test, labels_row = labels_row)

10. 用距离矩阵的方法来聚类

?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()
求矩阵的转置

drows = dist(test, method = "minkowski")
dcols = dist(t(test), method = "minkowski")
pheatmap(test, clustering_distance_rows = drows, clustering_distance_cols = dcols)

minkowski度量我目前还不理解是什么。
我试了一下，和pheatmap(test)在图片上看不出区别。

11. 练习

#将原文本文件的第一列作为行名
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)

随机取40行画热图，探针在各样本中区别不明显。

pheatmap::pheatmap(a[sample(1:nrow(a),40),])

取行标准差最大的40行画热图，差别出来了。

sd_top_40 <- names(sort(apply(a,1,sd),decreasing = T)[1:40])
sd_top_40
pheatmap(a[sd_top_40,])