ComplexHeatmap 经验总结

1. 数据预处理
   a. 矩阵对数转换，
   +1是为了防止对0取对数，加的值一般认为是检测的低阈值，低于这个值的数字之间的差异可以忽略。

(主要看数据的分布范围，如果较大的数据较多，较少的数据较小，可以加的小点，拉开差距)
gene_tissue_rename_raw_mat <- log2(gene_tissue_rename_raw_mat+1) # +1是为了防止对0取对数

2. 对行进行分组(A、B、C、D、E),并对各组内的行名指定颜色

            row_split = factor(gene_tissue_rename_raw$subfamily, 
                           levels = c("A", "B", "C", "D", "E")),
        
            row_names_gp = gpar(col = c("#4DAF4A","#A65628" ,"#66C2A5","#377EB8","#E41A1C"), 
                                fontsize = 8),

3. 一般来说，对行进行分组后，可进一步对各个分组内的行进行聚类。

           cluster_rows = T, 

以及对聚类树进行调整，如树的位置，宽/高度，聚类方法等。

            column_dend_side = "top",          # dendrogram location
            row_dend_width = unit(10, "mm"),
            clustering_distance_rows ="euclidean", 
            clustering_method_rows = "average",      #聚类

4. annotation (如色块)中行名要与gene_tissue_rename_raw_mat矩阵中行名一致，否则色块颜色会错乱！
   Annotation色块颜色错乱.jpg