这图怎么画| 还是热图(免疫治疗反应预测)

简介: 这图怎么画| 还是热图(免疫治疗反应预测)

immune_hm

写在前面

【这图怎么画】系列的图都来自VIP群里同学的提问。推文只是对图片的复现,不代表作者对图片展现形式的认同。欢迎同学们在群里分析有意思的图片。

本期图片

Chen, Hualin et al. “Integrated Analysis Revealed an Inflammatory Cancer-Associated Fibroblast-Based Subtypes with Promising Implications in Predicting the Prognosis and Immunotherapeutic Response of Bladder Cancer Patients.” International journal of molecular sciences vol. 23,24 15970. 15 Dec. 2022

方法

图片显示不同亚型对免疫治疗反应预测结果。前期数据处理较繁琐,这里就直接从绘图开始。

复现结果

result

绘图

rm(list = ls())
library(ComplexHeatmap)
# submap heatmap
dt <- matrix(runif(3*4*3,0,1), 
              nrow = 9,byrow = T,
              dimnames = list(c("C1","C2","C3",
                                " C1"," C2"," C3",
                                "  C1","  C2","  C3"),
                              c("CTAL4-noR","CTLA4-R","PD1-noR","PD1-R")))
hm <- pheatmap(dt, 
               border_color = "white",
               number_format = "%.3f",
               cellwidth = 30, cellheight = 30,
               cluster_rows = F,cluster_cols = F,
               display_numbers = T,
               number_color = "black",
               fontsize_number = 9,
               name = "Statitic",
               annotation_row = data.frame(pvalue=c("Nominal p value","Nominal p value","Nominal p value",
                                                    "Bonferroni adjusted","Bonferroni adjusted","Bonferroni adjusted",
                                                    "FDR adjusted","FDR adjusted","FDR adjusted"),
                                           row.names = rownames(dt)),
               annotation_colors = list(pvalue=c("Nominal p value"="black","Bonferroni adjusted"="grey50","FDR adjusted" = "grey80")))
pdf("predicted response to immunotherapy.pdf",width = 5,height = 8)
draw(hm, heatmap_legend_side = "left",annotation_legend_side = "right")
invisible(dev.off())

result

往期内容

  1. CNS图表复现|生信分析|R绘图 资源分享&讨论群!
  2. 这图怎么画| 有点复杂的散点图
  3. 这图怎么画 | 相关分析棒棒糖图
  4. 组学生信| Front Immunol |基于血清蛋白质组早期诊断标志筛选的简单套路
  5. (免费教程+代码领取)|跟着Cell学作图系列合集
  6. Q&A | 如何在论文中画出漂亮的插图?
  7. 跟着 Cell 学作图 | 桑葚图(ggalluvial)
  8. R实战 | Lasso回归模型建立及变量筛选
  9. 跟着 NC 学作图 | 互作网络图进阶(蛋白+富集通路)(Cytoscape)
  10. R实战 | 给聚类加个圈圈(ggunchull)
  11. R实战 | NGS数据时间序列分析(maSigPro)
  12. 跟着 Cell 学作图 | 韦恩图(ggVennDiagram)


相关文章
|
人工智能 数据挖掘
这图怎么画| 气泡热图(基因表达泛癌分析)
这图怎么画| 气泡热图(基因表达泛癌分析)
156 0
|
机器学习/深度学习
这图怎么画| 相关性热图+柱状图
这图怎么画| 相关性热图+柱状图
128 0
|
数据可视化
R语言绘图教程丨Nature论文都在用的多组比较箱线图,自动计算显著性并标注,附带误差线
R语言绘图教程丨Nature论文都在用的多组比较箱线图,自动计算显著性并标注,附带误差线
|
6月前
|
机器学习/深度学习 数据可视化
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
|
6月前
|
计算机视觉
偏最小二乘回归(PLSR)和主成分回归(PCR)分析光谱数据
偏最小二乘回归(PLSR)和主成分回归(PCR)分析光谱数据
|
6月前
|
数据可视化 算法
R语言主成分分析(PCA)葡萄酒可视化:主成分得分散点图和载荷图
R语言主成分分析(PCA)葡萄酒可视化:主成分得分散点图和载荷图
|
人工智能 数据挖掘
这图怎么画 | 相关分析棒棒糖图
这图怎么画 | 相关分析棒棒糖图
126 0
|
6月前
|
数据可视化 Python
R语言布朗运动模拟股市、物种进化树状图、二项分布可视化
R语言布朗运动模拟股市、物种进化树状图、二项分布可视化
|
6月前
|
前端开发 数据库
R语言基于Bootstrap的线性回归预测置信区间估计方法分析汽车制动距离|数据分享
R语言基于Bootstrap的线性回归预测置信区间估计方法分析汽车制动距离|数据分享
|
6月前
|
数据可视化 算法 数据挖掘
R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化
R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化