热图3：热图行列分组信息注释

这次我们要让热图更加复杂化。

实际上，有些情况下做热图可能只需要标注对照组、实验组即可。但是大多时候，可以在热图上体现更多信息，比如，除了分组，还有不同得处理、年龄、性别、疾病阶段等等，以及不同功能基因也要分组。

因此，需要在热图上添加更多分组信息。

下面是我们得示例数据，一个表达举证（数据纯属虚构，分组纯属虚构）

第一步，还是将数据读入，加载R包，这里我们使用pheatmap。

setwd("D:/tq/热图行列注释")
A <- read.csv("行列注释.csv",header = T,row.names = 1)
library(pheatmap)

接下来，写列得注释信息，也就是列的分组。

annotation_col = data.frame(group = c(rep("ST",3),rep("TZ",3),rep("TL",5),rep("TS",4),rep("TQ",3)),Stage = c(rep("Stage0", 3), rep("Stage1",8), rep("Stage2", 4), rep("Stage3",3)),Age = c(rep("30",2),rep("35",2),rep("30",4),rep("45",3),rep("34",3),rep("33",2),rep("31",2)),Sex = c(rep("F",3),rep("M",3),rep("F",6),rep("M",5),rep("F",1))
)
row.names(annotation_col) <- colnames(A)

理论上，annotation_col可以包含无数个分组信息，只要你有，那么就可以放进去。之后将分组信息与入读得矩阵列名结合。

当然了，如果分组太多，手打不现实，可以先编辑好Excel文件，然后读入。

同理，行的信息注释如下：

annotation_row = data.frame(Biological_process = c(rep("Immune response",20), rep("Proteoglycans in cancer", 13),rep("Glycolysis",18),rep("Endocytosis",35)),Pathway = c(rep("Wnt",20), rep("Inflammatory",32),rep("HIF",34))
)
row.names(annotation_row) <- rownames(A)

画图（用pheatmap函数）：

pheatmap(A,cluster_rows = T,cluster_cols = F,color=colorRampPalette(c("navy","white","firebrick3"))(100),show_colnames = T,border_color = NA,scale = "row",show_rownames =F,annotation_col = annotation_col, annotation_row = annotation_row)

发现注释信息已经全部添加上了，效果还不错，但是注释的颜色不太好。这个也是可以个性化实现的，用你喜欢的颜色即可。我们示例几个：


groupcolor <- c("#85B22E","#5F80B4","#E29827","#922927",'#57C3F3')
names(groupcolor) <- c("ST","TZ","TL","TS","TQ") #类型颜色Agecolor <- colorRampPalette(c("white","#99CCCC","#66CC99","#339966"))(6)
names(Agecolor) <- c("30","31","33","34","35","45")Sexcolor <- c("red","#016D06")
names(Sexcolor) <- c("F","M") #类型颜色BPcolor <- c("#708090",'#68A180','#F3B1A0', '#D6E7A3')
names(BPcolor) <- c("Immune response","Proteoglycans in cancer","Glycolysis","Endocytosis")ann_colors <- list(group=groupcolor, Age= Agecolor, Sex=Sexcolor, Biological_process=BPcolor) #颜色设置#在画图的时候，heatmap函数中多添加annotation_colors即可：
pheatmap(A,cluster_rows = T,cluster_cols = F,color=colorRampPalette(c("navy","white","firebrick3"))(100),show_colnames = T,border_color = NA,scale = "row",show_rownames =F,annotation_col = annotation_col, annotation_row = annotation_row,annotation_colors = ann_colors)

比默认的颜色好多了。

此外，在pheatmap中也能实现上次Complexheatmap出现的分裂效果，只不过这里是根据聚类分的，不聚类不能分。所以选择使用，按实际情况。

pheatmap(A,cluster_rows = T,cluster_cols = T,color=colorRampPalette(c("navy","white","firebrick3"))(100),show_colnames = T,border_color = NA,scale = "row",show_rownames =F,annotation_col = annotation_col, annotation_row = annotation_row,annotation_colors = ann_colors,cutree_row = 4, cutree_cols = 5)

这就是行列分组信息注释的内容了，是不是会更长一层楼！

热图3：热图行列分组信息注释相关推荐

热图pheatmap 热图3：热图行列分组信息注释
热图pheatmap library(pheatmap) getwd() setwd("D:\Win10 System\Documents\WeChat Files\wxid_f27yna0 ...
【R语言】——聚类热图行列分组信息注释热图2
上一期"[R语言]--聚类热图绘制(pheatmap)"介绍了R语言pheatmap包绘制聚类热图的基础代码,本期介绍当需要同时在热图上显示分组情况时,可利用pheatmap包构建 ...
RNA-seq结果图片如何解读（火山图、韦恩图、聚类热图和折线图）
在RNA-seq项目中,常见的结果包括:火山图.韦恩图.聚类热图.log2(ratios)折线图.有向无环图.散点图.代谢通路图.蛋白互作图等.今天我们先来一起学习火山图.韦恩图.聚类热图和折线图的解 ...
Tableau绘图一热图、日历图、人口金字塔、标靶图、凹凸图、帕累托图
Tableau绘图一热图.日历图.人口金字塔.标靶图.凹凸图.帕累托图本文首发于博客冰山一树Sankey,去博客浏览效果更好.直接右上角搜索该标题即可一.热图例子:示例超市可以通过更改颜色来改 ...
R 实战| 几种常用的绘制离散变量热图/方块图/华夫图的方法
R 实战| 几种常用的绘制离散变量热图/方块图/华夫图的方法前言常用方法 geom_tile ggwaffle ComplexHeatmap 总结参考往期前言多组学文章经常出现非连续变量的 ...
Python生物信息学⑥绘制热图及火山图
Python生物信息学⑥绘制热图及火山图 Python生物信息学③提取差异基因通过上Python生物信息学③提取差异基因得到了该数据集的差异分析的两个关键参数,1.差异倍数(foldchange)以 ...
宏基因组扩增子3统计绘图：中文首发,最详系,零基础(箱线图、散点图、热图、曼哈顿图、火山图、韦恩图、三元图、网络图)
本网内容首发"宏基因组"公众号,更佳阅读体验.更多相关文章,欢迎点我跳转至公众号阅读注:文为蓝色字均为文章链接,可点击直达写在前面优秀的作品都有三部分曲,如骇客帝国.教父.指 ...
34.35.热图（heatmap）、创建带注释的热图、使用辅助函数的代码样式、图像显示、图像插值、将图像数据导入Numpy数组、将numpy数组绘制为图像
34.热图(heatmap) 34.1.创建带注释的热图 34.2.使用辅助函数的代码样式 35.图像显示 35.1.图像插值 35.2.将图像数据导入Numpy数组 35.3.将numpy数组绘制为 ...
ML之kmeans：通过数据预处理(分布图箱线图热图/文本转数字/构造特征/编码/PCA)利用kmeans实现汽车产品聚类分析(SSE-平均轮廓系数图/聚类三维图/雷达图/饼图柱形图)/竞品分析之详细
ML之kmeans:通过数据预处理(分布图箱线图热图/文本转数字/构造特征/编码/PCA)利用kmeans实现汽车产品聚类分析(SSE-平均轮廓系数图/聚类三维图/雷达图/饼图柱形图)/竞品分析之详细 ...

热图3：热图行列分组信息注释

热图3：热图行列分组信息注释相关推荐

最新文章

热门文章