pheatmap, gplots heatmap.2和ggplot2 geom_tile实现数据聚类和热图plot

最新推荐文章于 2024-12-12 10:12:47 发布

转载最新推荐文章于 2024-12-12 10:12:47 发布 · 2.3k 阅读

8 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/ywliao/p/7061418.html

文章标签：

#r语言 #数据结构与算法

本文详细介绍使用R语言中的pheatmap、ggplot2及gplots包绘制热图的方法。包括数据预处理、矩阵构建、不同包下的热图绘制流程及参数设置等关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

主要步骤

pheatmap

数据处理成矩阵形式，给行名列名
用pheatmap画热图（pheatmap函数内部用hclustfun 进行聚类）

ggplot2

数据处理成矩阵形式，给行名列名
hclust聚类，改变矩阵行列顺序为聚类后的顺序
melt数据，处理成ggplot2能够直接处理的数据结构，并加上列名
ggplot_tile进行画图

gplots

数据处理成矩阵形式，给行名列名
调制颜色并用heatmap.2画热图（heatmap.2函数内部用hclustfun 进行聚类）

R语言代码

library(pheatmap)
library(data.table)
CN_DT <- fread("/home/ywliao/project/Gengyan/ONCOCNV_result/ONCOCNV_all_result.txt",sep="\t")
dt <- CN_DT[cfDNATime=="cfDNA1"]
wdt <- dcast(dt,Gene~Sample,value.var = "CN",fun.aggregate = mean)
data <- as.matrix(wdt[,2:length(wdt),with=F])  #数据矩阵
rownames(data) <- unlist(wdt[,1]) 

pheatmap(data)

library(ggplot2) 
library(data.table)
CN_DT <- fread("/home/ywliao/project/Gengyan/ONCOCNV_result/ONCOCNV_all_result.txt",sep="\t")
dt <- CN_DT[cfDNATime=="cfDNA1"]
wdt <- dcast(dt,Gene~Sample,value.var = "CN",fun.aggregate = mean)
data <- as.matrix(wdt[,2:length(wdt),with=F])  #数据矩阵
rownames(data) <- unlist(wdt[,1]) 

hc<-hclust(dist(data),method = "average") #对行进行聚类
rowInd<-hc$order #将聚类后行的顺序存为rowInd
hc<-hclust(dist(t(data)),method = "average")  #对矩阵进行转置，对原本的列进行聚类
colInd<-hc$order  #将聚类后列的顺序存为colInd
data<-data[rowInd,colInd] #将数据按照聚类结果重排行和列
dp=melt(data)    #对数据进行融合，适应ggplot的数据结构，以进行热图的绘制
colnames(dp) <- c("Gene","Sample","Value")
p <- ggplot(dp, aes(Sample,Gene)) + geom_tile(aes(fill = as.factor(Value)))+theme(axis.text.x=element_text(angle = 90))+ guides(fill = guide_legend(title = "Copy Number")) + scale_fill_brewer(palette = 3)
p

library(gplots)
library(data.table)
CN_DT <- fread("/home/ywliao/project/Gengyan/ONCOCNV_result/ONCOCNV_all_result.txt",sep="\t")
dt <- CN_DT[cfDNATime=="cfDNA1"]
wdt <- dcast(dt,Gene~Sample,value.var = "CN",fun.aggregate = mean)
dp <- as.matrix(wdt[,2:length(wdt),with=F])  #数据矩阵

labrow <- unlist(wdt[,1,with=F]) #行名
colorsChoice<- colorRampPalette(c("green","black","red"))  #调制颜色

heatmap.2(dp,labRow = labrow,col=colorsChoice(5),breaks = c(1,1.5,2,2.5,3,4),density.info="histogram",
          hclustfun = function(c)hclust(c,method="average"),keysize = 1.5, cexRow=0.5,trace = "none");