热图在个组学中的应用十分的广泛，在文献中经常出现，利用颜色直接展示在不同样本中展示基因、代谢物、物种等表达的水平。一张热图像五颜六色的瓷砖一样铺在整张图中，给人视觉上的美感。通过R做heatmap是常用的方法，那我们今天就来学习一下怎样快速绘制热图吧～

安装并加载pheatmap包

#安装pheatmap包

install.packages("pheatmap")

#加载

library(pheatmap)

#设置工作路径

setwd("/Users/sansan/Desktop/未命名文件夹/")

构建测试数据集

#首先构建一个数据集，作为我们学习的示例

test <- matrix(rnorm(100),10,10)

test[1:10,seq(1,10,2)] <- test[1:10,seq(1,10,2)]+3

test[5:10,seq(1,10,2)] <- test[5:10,seq(1,10,2)]+3

colnames(test) <- paste("Sample",1:10,sep = "")

rownames(test) <- paste("Gene",1:10,sep = "")

test

绘制简单的热图

归一化处理的必要性：是一种数据预处理中特征缩放的（feature scaling）的方法，可以让所有的数据处于一种量纲级别进行分析，更容易直观的阐明数据的差异性。例如归一化到【1，-1】的范围内，消除了异常样本导致结果不良的影响。

在应用前，首先需要了解一些必要的参数。

#scalec = "row" 参数设定对行进行归一化处理

# clustering_method参数设定不同聚类方法，默认为"complete",可以设定为ward, ward.D, ward.D2, single, complete, average, mcquitty, median or centroid

# clustering_distance_rows = "correlation"参数设定行聚类距离方法为corralation，默认为欧氏距离"euclidean"

# legend_breaks参数设定图例显示范围，legend_labels参数添加图例标签legend_labels = c("1.0","2.0","3.0","4.0","5.0")

#border=FALSE参数去掉边框线

#border_color参数设定每个热图格子的边框色

#show_rownames和show_colnames参数设定是否显示行名和列名

#treeheight_row和treeheight_col参数设定行和列聚类树的高度，默认为50

#display_numbers = TRUE参数设定在每个热图格子中显示相应的数值

#number_color参数设置数值字体的颜色

# cellwidth和cellheight参数设定每个热图格子的宽度和高度，main参数添加主标题

了解后来简单绘制一个尝试一下：

pheatmap(test,scale = "row",clustering_method = "average",clustering_distance_rows = "correlation",border=FALSE,treeheight_row = 50,treeheight_col =50,cellwidt = 15,cellheight = 20)

这里用到的参数，如果你不明白意义记得去上文中寻找。

添加行信息/列信息（用于代谢通路分析等）

在分析过程中通常会在行或者列添加一行属于

#先构建一个行的信息（用于一些代谢通路富集分析）

annotation_row <- data.frame(Path = factor(rep(c("one","two"),5)))

rownames(annotation_row) <- paste("Gene",1:10,sep = "")

#         Path

#Gene1   one

#Gene2   two

#Gene3   one

#Gene4   two

#Gene5   one

#Gene6   two

#Gene7   one

#Gene8   two

#Gene9   one

#Gene10  two

pheatmap(test, annotation_row = annotation_row)

#创建一个行的色块

ann_col = list(Path = c(one = "red",two = "yellow"))

#把色块映射到图上

pheatmap(test, annotation_row = annotation_row, annotation_colors = ann_col)

其它一些操作

# gaps_row = c(3, 5)参数在第3和5行处添加gap, 要求对行不进行聚类

#cutree_col = 2参数将列按聚类树的结果分成两部分, 要求对列进行聚类

#对行和列都不聚类，自定义划分行和列的gap

#labels_row 参数设置行标签

pheatmap(test, annotation_col = annotation_col, cluster_rows = FALSE, cluster_cols = FALSE, gaps_row = c(3，6), gaps_col = c(2, 5)，labels_row = c())

 

在做图的过程中我们应该充分考虑你想展示的内容是什么，要传达怎样的生物学内容，告诉读者你的研究结果，而不是一味的只追求好看。在作图的过程中你需要什么就去搜索和探索什么，这里只是简单的热图绘制方法，但是具体怎样呈现还需要进一步的学习。

此外还可以寻找很多小工具绘制热图例如：http://www.biocloudservice.com/747/747.php

今天的分享就到这里叭，小伙伴们如果有什么问题就和小云讨论吧～