WGCNA聚类热图代码

WGCNA（Weighted Gene Co-Expression Network Analysis）是一种用于基因表达数据分析的方法，它可以将基因之间的共表达关系转化为基因共表达网络，并通过聚类分析将基因分组成不同的模块。
WGCNA聚类热图是WGCNA方法的可视化结果之一，它用不同的颜色来表示基因在不同模块中的表达水平。热图的横轴表示样本，纵轴表示基因。在热图中，颜色越亮表示基因的表达水平越高，颜色越暗表示基因的表达水平越低。同时，热图上的模块划分可以通过不同的颜色区分。通过观察WGCNA聚类热图，
我们可以得到以下信息：

1. 基因表达模式：热图展示了基因在不同样本中的表达水平，可以帮助我们发现不同基因的表达模式。例如，某些基因可能在特定样本中呈现高表达，而在其他样本中呈现低表达。
2. 基因模块：通过不同颜色的矩形块表示不同的基因

需求：

需要在上面加上样本名的标签

#a为样本名标签，字符型
###这里是添加样本标签的
sample_labels<-a[, 1]
plotMat 加上clabels = sample_labels

library(WGCNA)

setwd("D:\\kzgz\\sm")

# 设置环境变量，该参数为F，即不将字符串视为因子，不然会导致数据处理速度较慢
options(stringsAsFactors = FALSE)

# 加载保存在第一部分中的表达和特征数据
lnames = load(file = "fpkm_trait-dataInput.RData");
#变量lnames包含已加载变量的名称。
lnames

# 加载第二部分中保存的网络数据。
lnames = load(file = "networkConstruction-stepByStep.RData");
lnames

#不同模块基因热图及关键基因的表达
person = cor(datExpr0, use = 'p')
corr <- TOM
Colors <- moduleColors
colnames(corr) <- colnames(datExpr0)
rownames(corr) <- colnames(datExpr0)
names(Colors) <- colnames(datExpr0)
colnames(person) <- colnames(datExpr0)
rownames(person) <- colnames(datExpr0)
umc = unique(moduleColors)
lumc = length(umc)

# 创建文件夹
dir.create("15_module_displaying module heatmap and the eigengene expression", showWarnings = FALSE)

###这里是添加样本标签的
sample_labels<-a[, 1]



for (i in 1:lumc) {
  if (umc[i] == "grey") {
    next
  }
  module <- umc[i]
  ME = MEs[, paste("ME", module, sep = "")]
  pdf(file = paste("15_module_displaying module heatmap and the eigengene expression/15_", module, "_displaying module heatmap and the eigengene expression.pdf", sep = ""), width = 17, height = 20)
###`mar`参数是一个包含四个数字的向量，分别代表边距的大小（下、左、上、右）。通过增加上边距的大小，可以在保存PDF时在上方保留空白。
  par(mfrow = c(2, 1), mar = c(0.3, 5.5, 13, 2))
###clabels = sample_labels是样本名字
  plotMat(t(scale(datExpr0[,Colors == module])), nrgcols = 30, rlabels = F, clabels = sample_labels,rcols = module, main = module, cex.main = 2)
  par(mar = c(5, 4, 8, 4))
  barplot(ME, col = module, main = "", cex.main = 2, ylab = "eigengene expression", xlab = "array sample")

  dev.off()
}

最上方就有样本名标签了