差异表达基因热图怎么看_为什么我代码里面选择top1000的sd基因绘制热图呢

实际上写完了这个全网最好的差异分析代码：免费的数据分析付费的成品代码我就可以收工了，但是永远不能低估粉丝的疑惑数量，任何一个细节都会被拿出来剖析。

比如代码里面我挑选了top1000的sd基因绘制热图，然后就可以分辨出来自己处理的数据集里面的样本分组是否合理啦。其实这个热图差不多等价于PCA分析的图，被我称为表达矩阵下游分析标准3图！详见：你确定你的差异基因找对了吗？，就是下面的3张图：

左边的热图，说明我们实验的两个分组，normal和npc的很多基因表达量是有明显差异的
中间的PCA图，说明我们的normal和npc两个分组非常明显的差异
右边的层次聚类也是如此，说明我们的normal和npc两个分组非常明显的差异

PS：如果你的转录组实验分析报告没有这三张图，就把我们生信技能树的这篇教程甩在他脸上，让他瞧瞧，学习下转录组数据分析。

为什么挑选top1000的sd基因绘制热图

我这个热图是为了说明本分组是否合理，就是看样本的距离，这个时候你如果需要理解距离，那么你需要学习非常多细节知识。不仅仅是一个函数那么简单：

r 语言中使用 dist ( x， method = “ euclidean ”， diag = FALSE， upper = FALSE， p = 2 ) 来计算距离。其中x是样本矩阵或者数据框。method 表示计算哪种距离。method 的取值有：
euclidean 欧几里德距离，就是平方再开方。
maximum 切比雪夫距离
manhattan 绝对值距离
canberra Lance 距离
minkowski 明科夫斯基距离，使用时要指定p值
binary 定性变量距离.
r 语言中使用 hclust (d， method = “complete”， members=NULL) 来进行层次聚类。其中 d 为距离矩阵。method 表示类的合并方法，有：
single 最短距离法
complete 最长距离法
median 中间距离法
mcquitty 相似法
average 类平均法
centroid 重心法
ward 离差平方和法
r 语言中主要使用 kmeans(x， centers， iter.max = 10， nstart = 1，algorithm =c(“Hartigan-Wong”， “Lloyd”，”Forgy”， “MacQueen”))来进行聚类。
centers 是初始类的个数或者初始类的中心
iter.max 是最大迭代次数
nstart 是当 centers 是数字的时候，随机集合的个数
algorithm 是算法，默认是第一个。

也就是说，看起来非常简单的3张图，背后是几十年的统计学知识的基础建设。

当然了，也不要气馁哦，反正你只需要会看图就好！再次强调：你确定你的差异基因找对了吗？里面的3张图：

左边的热图，说明我们实验的两个分组，normal和npc的很多基因表达量是有明显差异的
中间的PCA图，说明我们的normal和npc两个分组非常明显的差异
右边的层次聚类也是如此，说明我们的normal和npc两个分组非常明显的差异

为什么选择top1000的sd基因绘制热图其实就是个人爱好，你可以探索top500，1000，2000，5000是否有区别。

比较不同的top基因聚类的差异

同样的是一个表达矩阵和分组，如下：

> dat[1:4,1:4] GSM312896 GSM312897 GSM312898 GSM312899
ZZZ3    8.286337  8.427789  9.315658  8.601464
ZZEF1   8.097163  8.419503  8.843223  8.963619
ZYX     8.187251  7.919804  8.082291  7.094361
ZYG11B  8.718149  8.195136  8.478548  9.054829
> dim(dat)
[1] 18938    41
> table(group_list)
group_list
normal    npc 10     31

然后检查不同top基因集的层次聚类情况

library(pheatmap)
cg=names(tail(sort(apply(dat,1,sd)),1000))
p1=pheatmap(dat[cg,])
cg=names(tail(sort(apply(dat,1,sd)),500))
p2=pheatmap(dat[cg,])
cg=names(tail(sort(apply(dat,1,sd)),2000))
p3=pheatmap(dat[cg,])
cg=names(tail(sort(apply(dat,1,sd)),5000))
p4=pheatmap(dat[cg,])
tmp=data.frame(top1000=cutree(p1$tree_col,2),top500=cutree(p2$tree_col,2),top2000=cutree(p3$tree_col,2),top5000= cutree(p4$tree_col,2),group_list=group_list)

这个时候，你会发现，好像不一样，我修改层次聚类的类别数量

tmp=data.frame(top1000=cutree(p1$tree_col,4),top500=cutree(p2$tree_col,4),top2000=cutree(p3$tree_col,4),top5000= cutree(p4$tree_col,4),group_list=group_list)

然后你会发现，不管是top多少个基因，如果分成4类，那么1，2类都是normal，3，4类都是NPC，所以效果都挺好的。

其实基础知识点都在生信技能树了

生信技能树的2019年终总结这里面记录着我博士期间抽空做的一点教程分享事业
2020学习主旋律，B站74小时免费教学视频为你领路这里面记录着我为生物信息学教学行业做的一点贡献