Pheatmap绘制基因表达量热图
论文中展示基因表达量变化通常使用热图，今天分享一个快速绘制不同基因在各处理下表达量变化的方法，使用R语言中pheatmap包，它可以用于可视化数据集中的数值，以便更好地理解数据之间的关系和模式。
创建环境与示例数据
加载R包
library(tibble) library(tidyverse) library(pheatmap)
生成随机数据
# 设置随机数种子以确保结果可重复 set.seed(1234) # 生成随机矩阵 expr_mat <- matrix(rnorm(200, mean = 6, sd = 2), ncol = 8) # 将矩阵转换为tibble，并设置行名称和列名称 expr_mat <- as_tibble(expr_mat, colnames = paste0("Type", 1:8)) colnames(expr_mat) <- paste0("Type", 1:8) rownames(expr_mat) <- paste0("Gene",1:25) # 查看结果 head(expr_mat)
通过上述代码可以生成一个随机的基因表达矩阵，其中每行是一个基因，每列代表一个处理，共有25行8列，展示了25个不同的基因在8个不同处理下表达量的变化情况。数据内容如下：
> head(expr_mat) # A tibble: 6 × 8 Type1 Type2 Type3 Type4 Type5 Type6 Type7 Type8 <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 1 3.59 3.10 2.39 5.69 6.83 6.16 5.25 4.32 2 6.55 7.15 4.84 3.22 5.05 4.74 6.20 3.75 3 8.17 3.95 3.78 4.55 6.13 2.97 9.28 12.1 4 1.31 5.97 3.97 6.52 5.00 4.73 4.25 6.47 5 6.86 4.13 5.68 5.37 4.35 6.45 6.24 5.93 6 7.01 8.20 7.13 5.64 6.33 8.03 8.72 0.536
image-20230522103940222
绘制图像
基础版热图
pheatmap(expr_mat)
直接运行pheatmap函数，输入数据矩阵，即可快速生成漂亮的热图，会自动对行和列进行聚类，这也是最简单的热图生成方法。
image-20230522104202610
进阶版热图
my_palette <- colorRampPalette(c("white", "yellow","red"))(n = 100) pheatmap(expr_mat, cluster_cols = F, cluster_rows = T, filename = "GeneExpr.pdf", color = my_palette, width = 2.35*3, height = 1*3, angle_col = 0)
通常绘制基因表达热图的目的是看不同基因和处理之间的变化关系，比如不同时间下基因的表达量变化，因此不需要对处理进行聚类，为了让图中横轴Type按照顺序排列，取消纵轴聚类，可以使用cluster_cols = F参数，另外可以自定义修改配色的方案，使用colorRampPalette可以自定义颜色。
image-20230522104737544
上面的代码会在当前工作目录下生成一个pdf图片文件，如果想让pheatmap绘制的图形直接显示在Rstudio的右下角plot窗口，删除filename = "GeneExpr.pdf"参数即可。
pheatmap 函数可以根据数据集的值自动为每个单元格分配颜色，并且可以对行和列进行聚类以更好地显示数据之间的关系。此外，pheatmap 还支持自定义颜色映射，使用户可以将数据映射到自定义颜色范围中。
以下是 pheatmap 函数的一些常见参数：
data：要绘制的数据集。scale：是否对数据进行标准化。默认为 "row"，表示对每一行进行标准化。也可以设置为 "column" 或 "none"。color：颜色映射。可以使用内置的颜色映射，也可以使用colorRampPalette函数创建自定义颜色映射。cluster_rows和cluster_cols：是否对行和列进行聚类。默认为 TRUE。show_rownames和show_colnames：是否显示行名和列名。默认为 TRUE。fontsize_row和fontsize_col：行名和列名的字体大小。默认为 12。
END
© 素材来源于网络，侵权请联系后台删除
笔记合集，点击直达 
