获取pheatmap聚类后和标准化后的结果

pheatmap是简单常用的热图绘制包，可以快速、简单、可定制的绘制漂亮热图。具体见R语言学习-热图简化和免费高颜值可定制在线绘图工具 ImageGP。

现在要解决的一个问题是图出来了，想看下转换后用于绘图的表格，也就是获取聚类后的矩阵和聚类标准化后的矩阵。

生成测试数据

mat <- matrix(rnorm(30), nrow=5)colnames(mat) <- paste("sample", 1:6, sep="_")rownames(mat) <- paste("gene", 1:5, sep="_")mat

结果如下

##          sample_1   sample_2   sample_3    sample_4   sample_5   sample_6
## gene_1 -0.3286368  0.3153119 -0.7730821 -0.85242874 -0.5303812  0.5088226
## gene_2 -1.3153020  0.3193550  0.4496518 -1.08782734  1.7620763 -0.9312810
## gene_3  0.6545161 -0.8220414 -1.1916559  0.04775437  0.2814619  1.8720241
## gene_4  1.0810986  0.2298092 -0.3615045  0.70162614  1.8572989  0.7250737
## gene_5 -1.8931573  2.7013864  0.5049798 -0.13541785 -1.7796036 -0.3185864

绘图

library(pheatmap)# 绘图同时存储绘图结果
(a <- pheatmap(mat, cluster_rows = T, cluster_cols = T))

提取聚类后的原始矩阵

# 查看绘图数据的结构
# 直接查看会很大，这里只展示其前2层
# str: structure
str(a, max.level = 2)# Rstudio中
# View(a)

结果如下

## List of 4
##  $ tree_row:List of 7
##   ..$ merge      : int [1:4, 1:2] -1 -4 -2 -5 -3 1 2 3
##   ..$ height     : num [1:4] 2.4 3.21 4.38 5.56
##   ..$ order      : int [1:5] 5 2 4 1 3
##   ..$ labels     : chr [1:5] "gene_1" "gene_2" "gene_3" "gene_4" ...
##   ..$ method     : chr "complete"
##   ..$ call       : language hclust(d = d, method = method)
##   ..$ dist.method: chr "euclidean"
##   ..- attr(*, "class")= chr "hclust"
##  $ tree_col:List of 7
##   ..$ merge      : int [1:5, 1:2] -1 -6 -2 -5 3 -4 1 -3 2 4
##   ..$ height     : num [1:5] 1.98 2.29 2.55 3.78 5.21
##   ..$ order      : int [1:6] 2 3 5 6 1 4
##   ..$ labels     : chr [1:6] "sample_1" "sample_2" "sample_3" "sample_4" ...
##   ..$ method     : chr "complete"
##   ..$ call       : language hclust(d = d, method = method)
##   ..$ dist.method: chr "euclidean"
##   ..- attr(*, "class")= chr "hclust"
##  $ kmeans  : logi NA
##  $ gtable  :List of 6
##   ..$ grobs        :List of 6
##   ..$ layout       :'data.frame':    6 obs. of  7 variables:
##   ..$ widths       :List of 6
##   .. ..- attr(*, "class")= chr [1:2] "unit.list" "unit"
##   ..$ heights      :List of 5
##   .. ..- attr(*, "class")= chr [1:2] "unit.list" "unit"
##   ..$ respect      : logi FALSE
##   ..$ rownames     : NULL
##   ..- attr(*, "class")= chr [1:4] "gtable" "gTree" "grob" "gDesc"
##  - attr(*, "class")= chr "pheatmap"

重新排列行和列

mat_cluster <- mat[a$tree_row$order, a$tree_col$order]mat_cluster

完成提取

##          sample_2   sample_3   sample_5   sample_6   sample_1    sample_4
## gene_5  2.7013864  0.5049798 -1.7796036 -0.3185864 -1.8931573 -0.13541785
## gene_2  0.3193550  0.4496518  1.7620763 -0.9312810 -1.3153020 -1.08782734
## gene_4  0.2298092 -0.3615045  1.8572989  0.7250737  1.0810986  0.70162614
## gene_1  0.3153119 -0.7730821 -0.5303812  0.5088226 -0.3286368 -0.85242874
## gene_3 -0.8220414 -1.1916559  0.2814619  1.8720241  0.6545161  0.04775437

提取聚类后的标准化矩阵

(a <- pheatmap(mat, scale="row", display_numbers = T))

直接提取不太方便。这可以自己先对数据scale标准化处理，再排序。

mat_scale <- round(t(apply(mat, 1, scale)),2)
colnames(mat_scale) <- colnames(mat)
mat_scale

最终结果

mat_cluster <- mat_scale[a$tree_row$order, a$tree_col$order]mat_cluster

##        sample_2 sample_3 sample_5 sample_6 sample_1 sample_4
## gene_3    -0.88    -1.22     0.13     1.58     0.47    -0.08
## gene_4    -0.63    -1.42     1.53     0.03     0.50    -0.01
## gene_2     0.38     0.49     1.59    -0.67    -0.99    -0.80
## gene_1     1.04    -0.87    -0.45     1.38    -0.09    -1.01
## gene_5     1.69     0.39    -0.96    -0.10    -1.03     0.01

其他的图也都类似了，主要是获取变量的结构信息。

R统计和作图

Graphpad，经典绘图工具初学初探
你的包佩奇了吗？试试新版Rstudio，自动提醒缺失包！
原来Rstudio还可以这么使用，又方便了一些
在R中赞扬下努力工作的你，奖励一份CheatShet
别人的电子书，你的电子书，都在bookdown
R语言 - 入门环境Rstudio
R语言 - 热图绘制 (heatmap)
R语言 - 基础概念和矩阵操作
R语言 - 热图简化
R语言 - 热图美化
R语言 - 线图绘制
R语言 - 线图一步法
R语言 - 箱线图（小提琴图、抖动图、区域散点图）
R语言 - 箱线图一步法
R语言 - 火山图
R语言 - 富集分析泡泡图
R语言 - 散点图绘制
R语言 - 韦恩图
R语言 - 柱状图
R语言 - 图形设置中英字体
R语言 - 非参数法生存分析
R语言 - 绘制seq logo图
WGCNA分析，简单全面的最新教程
psych +igraph：共表达网络构建
一文学会网络分析——Co-occurrence网络图在R中的实现
一文看懂PCA主成分分析
富集分析DotPlot，可以服
基因共表达聚类分析和可视化
R中1010个热图绘制方法
还在用PCA降维？快学学大牛最爱的t-SNE算法吧, 附Python/R代码
一个函数抓取代谢组学权威数据库HMDB的所有表格数据
文章用图的修改和排版
network3D: 交互式桑基图
network3D 交互式网络生成
Seq logo 在线绘制工具——Weblogo
生物AI插图素材获取和拼装指导
ggplot2高效实用指南 (可视化脚本、工具、套路、配色)
图像处理R包magick学习笔记
SOM基因表达聚类分析初探
利用gganimate可视化全球范围R-Ladies（R社区性别多样性组织）发展情况
一分钟绘制磷脂双分子层：AI零基础入门和基本图形绘制
AI科研绘图（二）：模式图的基本画法
你知道R中的赋值符号箭头(<-)和等号（=）的区别吗？
R语言可视化学习笔记之ggridges包
利用ComplexHeatmap绘制热图(一)
ggplot2学习笔记之图形排列
R包reshape2，轻松实现长、宽数据表格转换
用R在地图上绘制网络图的三种方法
PCA主成分分析实战和可视化附R代码和测试数据
iTOL快速绘制颜值最高的进化树！
12个ggplot2扩展包帮你实现更强大的可视化
编程模板-R语言脚本写作：最简单的统计与绘图，包安装、命令行参数解析、文件读取、表格和矢量图输出
R语言统计入门课程推荐——生物科学中的数据分析Data Analysis for the Life Sciences
数据可视化基本套路总结
你知道R中的赋值符号箭头<-和等号=的区别吗？
使用dplyr进行数据操作30例
交集intersect、并集union、找不同setdiff
R包reshape2，轻松实现长、宽数据表格转换
1数据类型（向量、数组、矩阵、列表和数据框）
2读写数据所需的主要函数、与外部环境交互
3数据筛选——提取对象的子集
4向量、矩阵的数学运算
5控制结构
6函数及作用域
7认识循环函数lapply和sapply
8分解数据框split和查看对象str
9模拟—随机数、抽样、线性模型
1初识ggplot2绘制几何对象
2图层的使用—基础、加标签、注释
3工具箱—误差线、加权数、展示数据分布
4语法基础
5通过图层构建图像
6标度、轴和图例
7定位-分面和坐标系
8主题设置、存储导出
9绘图需要的数据整理技术
创建属于自己的调色板
28个实用绘图包，总有几个适合你
热图绘制
R做线性回归
绘图相关系数矩阵corrplot
相关矩阵可视化ggcorrplot
绘制交互式图形recharts
交互式可视化CanvasXpress
聚类分析factoextra
LDA分析、作图及添加置信-ggord
解决散点图样品标签重叠ggrepel
添加P值或显著性标记ggpubr
Alpha多样性稀释曲线rarefraction curve
堆叠柱状图各成分连线画法：突出组间变化
冲击图展示组间时间序列变化ggalluvial
桑基图riverplot
微生物环境因子分析ggvegan
五彩进化树与热图更配ggtree
多元回归树分析mvpart
随机森林randomForest 分类Classification 回归Regression
加权基因共表达网络分析WGCNA
circlize包绘制circos-plot
R语言搭建炫酷的线上博客系统
维恩(Venn)图绘制工具大全（在线+R包）
R包circlize：柱状图用腻了？试试好看的弦状图

猜你喜欢

10000+：菌群分析宝宝与猫狗梅毒狂想曲提DNA发Nature Cell专刊肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组宏基因组

专业技能：学术图表高分文章生信宝典不可或缺的人

一文读懂：宏基因组寄生虫益处进化树

必备技能：提问搜索 Endnote

文献阅读热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读分析流程统计绘图

16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun

在线工具：16S预测培养基生信绘图

科研经验：云笔记云协作公众号

编程模板: Shell R Perl

生物科普: 肠道细菌人体上的生命生命大跃进细胞暗战人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”