R 语言绘制六种精美热图：转录组数据可视化实践（基于 pheatmap 包）

在转录组 Bulk 测序数据分析中，热图是展示基因表达模式、样本聚类关系的核心可视化工具。一张高质量的热图不仅能清晰呈现数据特征，更能提升研究成果的展示效果。本文基于 R 语言的pheatmap包，整理了六种适用于不同场景的热图绘制方法，涵盖基础聚类、分组对比、通路注释等需求，私信即可获取全部代码，方便科研人员快速实现数据可视化。

一、绘图前的数据准备

热图绘制的核心是基因表达矩阵，数据格式的规范性直接影响后续分析效果，需提前做好以下准备：

1.1 表达矩阵格式要求

表达矩阵需满足：

• 第一列为基因名（后续将作为行名）；
• 从第二列开始为样本的基因表达值（FPKM、TPM 或 Counts 均可）；
• 第一行为样本名称（作为列名）。

示例格式如下（简化版）：

GeneSymbol	Sample1	Sample2	...	Sample60
GeneA	12.3	15.6	...	8.9
GeneB	3.2	2.1	...	5.7

1.2 数据读取与预处理

使用read.csv函数读取数据，注意保留基因名作为行名，避免样本名被自动修改：

# 读取表达矩阵（替换为实际文件路径）
data <- read.csv("gene_expression_matrix.csv", row.names = 1, check.names =