iheatmapr项目：在热图外添加聚类标签的方法

iheatmapr项目：在热图外添加聚类标签的方法

热图聚类标签可视化需求

在数据可视化中，热图(heatmap)是一种常用的展示矩阵数据的工具，而聚类分析(clustering)则经常与热图结合使用。iheatmapr作为R语言中一个强大的交互式热图绘制包，提供了丰富的聚类和可视化功能。然而，在实际应用中，用户有时需要在热图之外添加聚类标签，以便更清晰地展示不同聚类组的分布情况。

基础聚类热图实现

使用iheatmapr创建基础聚类热图非常简单。以下是一个示例代码：

dataMtx <- matrix(
  c(-0.24042198, -0.4827243, -0.5890574,
    -0.44618020, -0.2229746, -0.6070312,
    -0.36496995, -1.0019127, -0.6124369,
    -0.19344543, -0.3034678, -0.6152493,
    -0.25864576, -0.3891929, -0.6218928,
    -0.06264825, -0.5457967, -0.6256452,
    -0.28303764, -0.2699953, -0.6343910,
    -0.34085175, -0.6395037, -0.6402852,
    -0.17582419, -0.8963393, -0.6467896,
    0.08234632, -0.3888408, -0.7130511,
    -0.17237632, -0.4480809, -0.7246162,
    -0.49856171, -0.5796032, -0.7276262,
    -0.10212818, -1.0155922, -0.7842204,
    -0.41713489, -0.5469020, -0.8311977,
    -0.61267493, -0.8893021, -0.8315599,
    -0.09966118, -0.8801416, -0.8424582,
    -0.46215186, -0.6212762, -0.8767747,
    -0.24828783, -0.8690041, -0.8928232,
    -0.56224402, -0.5091945, -0.8998705,
    -0.69309404, -1.4366143, -0.9562496), 
  nrow = 20, byrow = TRUE)

iheatmap(dataMtx) %>% add_row_clusters(clusters = c(rep("A", 10), rep("B", 10)))

这段代码会生成一个基础热图，并在行方向添加聚类信息，聚类结果会显示在颜色条上。

在热图外添加聚类标签的方法

为了在热图外添加聚类标签，我们可以采用以下方法：

1. 首先为数据矩阵添加行名和列名，以便后续引用
2. 使用k-means聚类方法进行行聚类
3. 提取聚类结果
4. 计算每个聚类的中间位置
5. 在热图左侧添加聚类标签

具体实现代码如下：

# 添加行名和列名
rownames(dataMtx) <- paste("Row:", 1:nrow(dataMtx))
colnames(dataMtx) <- paste("Column:", 1:ncol(dataMtx))

# 创建基础热图并添加k-means聚类
p <- iheatmap(dataMtx) %>% 
  add_row_clustering(
    method = 'kmeans', 
    k = 2,
    name = 'Clusters') %>%
  add_row_labels(
    side = 'right') %>%
  add_col_labels(
    side = 'bottom', 
    textangle = 0)
  
# 提取聚类结果
tickText <- p@plots@listData[['Clusters']]@data

# 计算每个聚类的中间位置
tv1 <- median(which(tickText == 1))
tv2 <- median(which(tickText != 1))
tickVals <- c(tv1, tv2)

# 在热图左侧添加聚类标签
p <- add_row_labels(
  p,
  ticktext = unique(tickText),
  tickvals = tickVals,
  side = 'left')

p

技术要点解析

1. 数据准备：为矩阵添加行名和列名是必要的，这有助于后续的标签显示和位置计算。

2. 聚类方法选择：示例中使用了k-means聚类方法，设置k=2表示将数据分为两个聚类。这种方法适用于预先知道聚类数量的情况。

3. 聚类结果提取：通过访问绘图对象的内部数据结构，我们可以获取每个样本所属的聚类编号。

4. 位置计算：使用median函数计算每个聚类组的中间位置，这样可以确保标签显示在聚类组的中心位置。

5. 标签添加：最后使用add_row_labels函数在热图左侧添加聚类标签，ticktext参数指定标签文本，tickvals参数指定标签位置。

注意事项

1. 这种方法主要适用于用户自定义聚类或k-means聚类结果，对于层次聚类(hclust)可能需要调整计算方法。

2. 聚类标签的位置计算基于行索引，如果行顺序发生变化，需要相应调整计算方法。

3. 可以通过调整布局参数来优化标签显示效果，如字体大小、颜色等。

4. 对于大型数据集，可能需要考虑计算效率和标签重叠问题。

总结

在iheatmapr中，虽然默认的聚类结果显示在颜色条上，但通过提取聚类结果并计算适当的位置，我们可以在热图外添加聚类标签。这种方法增强了热图的可读性，特别是在需要突出显示不同聚类组的情况下。理解iheatmapr的对象结构和绘图原理，可以帮助我们实现更灵活的可视化效果。