pheatmap

pheatmap热图绘制

加载所需要的包

library(pheatmap)
library(tidyverse)

## ── Attaching packages ──────────────────────────────────────────────────────────────────────────────────────────────────────── tidyverse 1.2.1 ──

## ✔ ggplot2 2.2.1     ✔ purrr   0.2.4
## ✔ tibble  1.4.2     ✔ dplyr   0.7.4
## ✔ tidyr   0.8.0     ✔ stringr 1.3.0
## ✔ readr   1.1.1     ✔ forcats 0.3.0

## ── Conflicts ─────────────────────────────────────────────────────────────────────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()

读入数据

mRNA <- read.csv("mRNA.csv", row.names = 1)

查看数据

dim(mRNA)

## [1] 10 10

mRNA[1:5,1:5]

##          TCGA.3X.AAV9.01A TCGA.3X.AAVA.01A TCGA.3X.AAVB.01A
## EVX1             3.166316        12.398085        0.2020127
## PSORS1C3        40.911014        19.686677      112.0638554
## KLK8            62.634384         0.000000        0.0000000
## ZNF880          43.752488        52.678184       68.0266351
## KLK10           86.754056         2.724418      121.4368925
##          TCGA.3X.AAVC.01A TCGA.3X.AAVE.01A
## EVX1             3.554979         2.748956
## PSORS1C3        58.395365        29.313010
## KLK8             3.592886         0.000000
## ZNF880          25.269561        25.993532
## KLK10           24.103295        14.008254

最初原始的热图绘制

pheatmap(mRNA)

image.png

热图颜色的调整

1. color 进行颜色调整 默认为colorRampPalette(rev(brewer.pal(n = 7, name = “RdYlBu”)))(100) 括号中的100代表渐变的时候图例的区分度 breaks 改变图例的范围。如果颜色设定为100个区分，breaks最好也有100个。

• 通俗点儿说就是，通过color和break制定颜色的分布范围，然后数据集中的数值在分布范围中找相同的颜色再进行填充。
• 这样可以让两个不同的热图使用同一个颜色分布的图例

pheatmap(mRNA, color = colorRampPalette(c("#3C7DAF", "#EAF4F1","#FFFCBA", "#E83140"))(100))

image.png

pheatmap(mRNA, color = colorRampPalette(c("#3C7DAF", "#EAF4F1","#FFFCBA", "#E83140"))(100), 
         breaks = seq(-10,150,length.out = 100))

image.png

列名和行名的改变

1. show_rownames/show_colnames 是否去掉行名和列名
2. labels_row/labels_col 自定义行名和列名

pheatmap(mRNA, show_rownames = F, show_colnames = F)

image.png

labels_row <- str_c("G",1:10)
pheatmap(mRNA, labels_row = labels_row)

image.png

表达值的变换

1. scale参数把数据集的数据按照中间值来进行数据变化。默认的为“none”，可以改为“row”或者“column”

pheatmap(mRNA, scale = "row")

image.png

pheatmap(mRNA, scale = "column")

image.png

单元格的改变

1. border_color 改变单元格边框的颜色。默认为“grey60”.
2. cellheight/cellwidth 改变单元格的高度和宽度。 默认为NA

pheatmap(mRNA,  scale = "row",cellheight = 5, cellwidth = 10 ,border_color = "black")

image.png

聚类的调整

1. cluster_cols/cluster_rows 是否显示聚类
2. treeheight_row/treeheight_col 聚类中高度的调整，默认为50
3. clustering_distance_rows/clustering_distance_cols 聚类排列的方式，可选’correlation’, ‘euclidean’(default), ‘maximum’, ‘manhattan’, ‘canberra’, ‘binary’, ‘minkowski’
4. clustering_method 聚类方法的调整。可选的参数有 ‘ward’, ‘ward.D’, ‘ward.D2’, ‘single’, ‘complete’, ‘average’, ‘mcquitty’, ‘median’ or ‘centroid’。
5. cutree_rows/cutree_cols 基于层次聚类,划分行的簇数，如果未聚集行，则忽略参数

pheatmap(mRNA,  treeheight_col = 25, treeheight_row = 75)

image.png

pheatmap(mRNA,  treeheight_col = 25, treeheight_row = 75, clustering_distance_col = "correlation")

image.png

pheatmap(mRNA, cutree_col = 2)

image.png

pheatmap(mRNA, gaps_col = 5)

image.png

一般可以做聚类，但是高度设置为0

对热图进行分割

1. gaps_row/gaps_col 对热图进行分割，只有没有聚类的时候进行使用

• 参数中的数字代表从哪里进行分割

pheatmap(mRNA, cluster_rows = F, cluster_cols = F, gaps_row = 3, gaps_col = c(4,8))

image.png

相关分析

1. method 各个样本之间的相关分析 可选“pearson” (default), “kendall”, or “spearman”

pheatmap(mRNA, methods = "kendall")

image.png

图例的显示与否

1. legend 图例是否显示
2. legend_breaks 对图例进行分割不按照默认的显示
3. legend_labels 对分割的图例进行自定义标签

pheatmap(mRNA, legend = F)

image.png

pheatmap(mRNA, legend_breaks = c(0,100,120))

image.png

pheatmap(mRNA, legend_breaks = c(0,100,120), legend_labels = c("min", "median", "max"))

image.png

设置图的标题

pheatmap(mRNA, main = "example")

image.png

字体大小的调整

1. fontsize 对所有字体进行调整
2. fontsize_row/fontsize_col 对行/列的字体大小进行调整 默认值为10

pheatmap(mRNA, fontsize_col = 15, fontsize_row = 5)

image.png

网格中数字的显示

1. display_numbers 是否显示数字
2. number_format 数字的格式 “%.2f”代表小数点儿后两位； “%.1e”代表科学指数符号
3. fontsize_number 显示数字的大小 默认为0.8 * fontsize即8
4. number_colors 单元格中的颜色

pheatmap(mRNA, display_numbers = T, number_format = "%.1f", fontsize_number = 7, number_color = "black")

image.png

pheatmap(mRNA, display_numbers = matrix(ifelse(mRNA > 100, "*", ""), nrow(mRNA)))

image.png

添加注释

• 添加注释之前首先要定义注释

1. annotation_row/annotation_col 定义注释的类别
2. annotation_col 定义注释的颜色
3. annotation_names_row/annotation_names_col 逻辑值是否显示注释的名字
4. annotation_legend 是否显示**注释的图例
5. drop_levels 逻辑值决定是否没有提到的水平显示在图例中

##定义列的注释
annotation_col <- data.frame(
  Gender = factor(rep(c("F", "M"), 5)),
  Type = factor(rep(str_c("G",1:5),2)))
##一定要记得数据框的行名
rownames(annotation_col) <- colnames(mRNA)
##定义行的注释
annotation_row <- data.frame(
  module = factor(rep(c("grey60", "blue"),5)),
  example = factor(rep(c("abv", "eqw"),5))
)
rownames(annotation_row) <- rownames(mRNA)
##定义注释的颜色.使用list进行定义
ann_colors <- list(
  Gender = c(F = "#007C46", M = "#00D0D1"),
  Type = c(G1 = "black",  G2 = "white",  G3 = "blue",  G4 = "#A25BAA", G5 = "orange"),
  module = c(grey60 = "black", blue = "orange"),
  example = c(abv = "#007C46", eqw = "#00D0D1")
)
pheatmap(mRNA, annotation_col = annotation_col, annotation_row = annotation_row ,annotation_names_row = T, annotation_legend = T,
         annotation_colors = ann_colors, annotation_names_col = F, gaps_row = 2)

image.png

文件的输出 filename 保存文件的文件名 width/height 定义文件的宽度/高度