R语言：手把手教你画pheatmap热图

微生态

导读：

pheatmap默认会对输入矩阵数据的行和列同时进行聚类，但是也可以通过布尔型参数cluster_rows和cluster_cols设置是否对行或列进行聚类，具体看分析需求。利用display_numbers参数可以在热图中的每个cell中填入想要的信息，例如相对丰度信息。利用cutree_rows和cutree_cols参数可以根据聚类产生的tree信息对热图进行分割。利用annotation_col和annotation_row参数可以给横或列添加分组信息。本文将先模拟输入矩阵数据，然后再展示这些参数的具体使用方法。

一、模拟输入矩阵

set.seed(1995)

# 随机种子

data=matrix(abs(round(rnorm(200, mean=0.5, sd=0.25))), 20, 10)

# 随机正整数，20行，20列

colnames(data)=paste("Species", 1:10, sep=".")

# 列名-细菌

rownames(data)=paste("Sample", 1:20, sep=".")

# 行名-样品

data_norm=data

for(i in 1:20){

sample_sum=apply(data, 1, sum)

for(j in 1:10){

data_norm[i,j]=data[i,j]/sample_sum[i]

}

}

# 标准化

data_norm

图1

二、聚类分析和热图

1. 基础热图

library(pheatmap)

# 加载pheatmap包

pheatmap(data_norm)

# 绘制热图，结果如下：

图2

2. colorRampPalette渐变色、cell尺寸调整

cellheight=15# 设置单元格高度

cellwidth=20# 设置单元格宽度

color=colorRampPalette(colors= c("blue","white","red"))(10) # 渐变取色方案

cellheight=15,

cellwidth=20,

color=colorRampPalette(colors = c("blue","white","red"))(10)

)

图3

3. 在cell中添加丰度

pheatmap(data_norm,

display_numbers=TRUE,

cellheight=15,

cellwidth=20,

color=colorRampPalette(colors = c("purple", "white", "green"))(10)

)

图4

4. 在cell中添加mark

display_numbers=matrix：使用自定义矩阵数据

fontsize_number=18：mark大小

filename="name.png/pdf":保存

data_mark=data_norm

# 新建mark矩阵

for(i in 1:20){

for(j in 1:10){

if(data_norm[i,j] <= 0.001)

{

data_mark[i,j]="***"

}

else if(data_norm[i,j] <= 0.01 && data_norm[i,j] > 0.001)

{

data_mark[i,j]="**"

}

else if(data_norm[i,j] <= 0.05 && data_norm[i,j] > 0.01)

{

data_mark[i,j]="*"

}

else

{

data_mark[i,j]=""

}

}

}

# * 0.05>=p>0.01; ** 0.01>=p>0.001; *** 0.001>=p

pheatmap(data_norm,

cellheight=20,

cellwidth=25,

color=colorRampPalette(colors = c("purple", "white", "green"))(10),

display_numbers=data_mark,

fontsize_number=18,

filename="mark.pdf"

)

图5

5. 根据tree将热图分割成2行3列

cutree_rows=num：分割行

cutree_cols=num：分割列

pheatmap(data_norm,

cellheight=20,

cellwidth=25,

color=colorRampPalette(colors = c("purple", "white", "green"))(10),

display_numbers=data_mark,

fontsize_number=18,

filename="mark_cut.pdf",

cutree_rows=2,

cutree_cols=3)

6. 添加样品和物种的分组信息

annotation_col：列分组

annotation_row：行分组

annotation_colors：分组颜色

Group=c("A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B")

group_sample=data.frame(Group)

rownames(group_sample)=rownames(data_norm)

# 模拟样品分组文件

group_sample

Genus=c("G1", "G1", "G1", "G1", "G1", "G2", "G2", "G2", "G2", "G2")

group_genus=data.frame(Genus)

rownames(group_genus)=colnames(data_norm)

# 模拟物种分组文件

group_genus

colors=list(Group=c(A="#1B9E77", B="#D95F02"),

Genus=c(G1="pink", G2="lightgreen"))

# 自定义样品分组颜色，Genus分组使用默认颜色

pheatmap(data_norm,

cellheight=20,

cellwidth=25,

color=colorRampPalette(colors = c("purple", "white", "green"))(10),

display_numbers=data_mark,

fontsize_number=18,

filename="mark_group.pdf",

cutree_rows=2,

cutree_cols=3,

annotation_col=group_genus,

annotation_row=group_sample,

annotation_colors=colors

)

pheatmap常用参数汇总：

display_numbers=TRUE # 使用默认矩阵数据

display_numbers=matrix # 使用自定义矩阵数据

fontsize_number=18 # mark大小

cutree_rows=num # 分割行

cutree_cols=num # 分割列

scale="column" # 列标准化

scale="row" # 行标准化

cellwidth=20 # cell宽度

cellheight=20 # cell高度

fontsize_number=18 # mark大小

filename="name.pdf/png" # 保存，自动调整纸张大小

annotation_col # 列分组

annotation_row # 行分组

annotation_colors # 分组颜色

cluster_row = F # 横向不聚类

cluster_column = F # 纵向不聚类

legend = F # 去除legend

border = F # 去除cell边框

border_color = "blue" # cell边框颜色

annotation_names_col = F # 不展示列legend的名称

有需要关注我，并留言