超详细的热图绘制教程(5000余字)，真正的保姆级教程
生物信息学习的正确姿势
NGS系列文章包括NGS基础、高颜值在线绘图和分析、转录组分析 （Nature重磅综述|关于RNA-seq你想知道的全在这）、ChIP-seq分析 （ChIP-seq基本分析流程）、单细胞测序分析 (重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程)、DNA甲基化分析、重测序分析、GEO数据挖掘（典型医学设计实验GEO数据分析 (step-by-step)）、批次效应处理等内容。
以下文章原始来源于蚂蚁生信 ，作者蚂蚁生信
直接来源R语言统计与绘图，函数解释来自医科堂。
经常会想到用热图来展示某个基因或某些基因的表达量问题，今天用R中的pheatmap包一步步绘制热图。
如果不想写代码，在线版可以满足大部分需求，高颜值免费在线绘图工具升级版来了~~~
系统学习R见 送书《R语言数据分析和可视化》 | 这个为生信学习和生信作图打造的开源R教程真香！！！
目 录
1. 绘图前准备
-
1.1 设置工作目录
1.2 安装和加载R包
1.3 读取查看数据
2. 绘制热图
3. 自定义热图
-
3.1 热图横向标准化
3.2 图形外观调整
3.3 去除横纵坐标标签
3.4 修改图例
3.5 设置字体
3.6 调整横纵向聚类
3.7 调整分组标签角度
3.8 添加图形标题
3.9 调整热块大小
3.10 划分聚类热图区块
3.11 调整热图显示数值
3.12 标记热图区块
4. 构建分组信息
-
4.1 构建纵向分组信息
4.2 构建横向分组信息
4.3 共同组合二者
5. 保存图形
6. pheatmap()函数解释
1. 绘图前准备
1.1 设置工作目录
首先清除环境变量，设置工作目录，工作目录是R用来读取文件和保存结果的默认目录。
我一般是在C盘新建一个文件夹当做R的工作目录，所有的文件都复制到这里面处理。
rm(list=ls()) # 清除环境变量
setwd("C:/Rdata") # 设置工作目录
getwd() # 查看当前的工作目录
# [1] "C:/Rdata"
1.2 安装和加载R包
安装我们绘图需要用的包，如果已安装，直接加载就好了。
install.packages("pheatmap") # 安装包
install.packages("ggplot2") # 安装包
library(pheatmap) # 加载包
library(ggplot2) # 加载包
1.3 读取查看数据
演示数据不是内置数据集，如需要演示数据，请后台回复热图即可免费获取。
data <- read.table("test.FPKM.txt", # 读取的数据文件名称，这里文件是放在工作目录下
header=T, # 数据集第一行为变量名
row.names=1, # 第一列为行名
sep="\t") # 指定分隔符号
dim(data) # 查看变量有多少行多少列
#[1] 21 9
head(data) # 查看数据集前六行
2. 绘制热图
先绘制个基本款的热图。
p <- pheatmap(data)
基本图形
3. 自定义热图
3.1 热图横向标准化
设置标准化方向scale，对其横向标准化。
p <- pheatmap(data, scale="row")
3.2 图形外观调整
设置边框为白色，去掉横向、纵向聚类。
p <- pheatmap(data, scale="row",
border="white", # 设置边框为白色
cluster_cols = F, # 去掉横向、纵向聚类
cluster_rows = F)
3.3 去除横纵坐标标签
去掉横纵坐标中的id。
p <- pheatmap(data,scale="row",
border="white", # 设置边框为白色
cluster_cols = F, # 去掉横向、纵向聚类
cluster_rows = F,
show_rownames = F, #去掉横、纵坐标id
show_colnames = F)
去掉横轴和纵轴的名称
3.4 修改图例
3.4.1 不显示右上角图例
p <- pheatmap(data,scale="row",
border="white", # 设置边框为白色
cluster_cols = F, # 去掉横向、纵向聚类
cluster_rows = F,
show_rownames = F, #去掉横、纵坐标id
show_colnames = F,
legend = F) # 去掉图例
将右上角的图例去掉
3.4.2 设置图例范围
p <- pheatmap(data,scale="row",
border="white", # 设置边框为白色
cluster_cols = F, # 去掉横向、纵向聚类
cluster_rows = F,
show_rownames = F, #去掉横、纵坐标id
show_colnames = F,
legend = T, # 添加图例
legend_breaks=c(-1,0,1)) # 设置图例范围
# 也可以设置legend_breaks=c(-2,0,2)试试
更改图例范围
3.5 设置字体
3.5.1 设置图形字体大小
设置图中字的大小，使用fondsize参数来设置。
p <- pheatmap(data,scale="row",
border="white", # 设置边框为白色
cluster_cols = F, # 去掉横向、纵向聚类
cluster_rows = F,
show_rownames = T, #显示横、纵坐标id
show_colnames = T,
legend = F, # 去掉图例
fontsize = 8) # 设置字体大小
# 也可以设置其他大小试试。
设置字的大小
3.5.2 分别指定横纵字体大小
分别指定横向和纵向字体大小，使用fontsize_row和fontsize_col参数设置。
p <- pheatmap(data,scale="row",
border="white", # 设置边框为白色
cluster_cols = F, # 去掉横向、纵向聚类
cluster_rows = F,
show_rownames = T, #显示横、纵坐标id
show_colnames = T,
legend = T, # 显示图例
fontsize_row = 12, # 分别设置横向和纵向字体大小
fontsize_col = 16)
改变横向和纵向字体的大小
3.6 调整横纵向聚类
3.6.1 调整横纵向聚类树高
分别设置横向纵向的树高，使用treeheight_col和treeheight_row参数设置。
p <- pheatmap(data,scale="row",
border="white", # 设置边框为白色
cluster_cols = T, # 显示横向、纵向聚类
cluster_rows = T,
treeheight_col = 50, # 分别设置横、纵向聚类树高
treeheight_row = 45)
设置横向和纵向聚类热图的树形高度
3.6.2 调整聚类距离类型
设置聚类的距离类型，使用clustering_distance_rows参数指定，分为如下几类：correlation，euclidean，maximum，manhattan，canberra，binary，minkowski。
p <- pheatmap(data,scale="row",
border="white", # 设置边框为白色
cluster_cols = T, # 显示横向、纵向聚类
cluster_rows = T,
clustering_distance_rows = "correlation", # 设置聚类的距离类型
treeheight_col = 50, # 分别设置横、纵向聚类树高
treeheight_row = 45)
聚类的距离类型
3.6.3 调整聚类方法
调整聚类的方法，使用clustering_method参数指定，可选有'ward', 'ward.D', 'ward.D2', 'single', 'complete', 'average', 'mcquitty', 'median' or 'centroid'.
p <- pheatmap(data,scale="row",
border="white", # 设置边框为白色
cluster_cols = T, # 显示横向、纵向聚类
cluster_rows = T,
clustering_distance_rows = "euclidean", # 设置聚类的距离类型
clustering_method="single", # 设置聚类方法
treeheight_col = 50, # 分别设置横、纵向聚类树高
treeheight_row = 45)
调整聚类的方法
3.7 调整分组标签角度
设置分组标签的角度，可以使用参数angle_col指定，可选有270、0、45、90、315等。
p <- pheatmap(data,scale="row",
angle_col = 45, # 设置显示角度
clustering_distance_rows = "minkowski",
clustering_method="complete",
border="white",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
分组是否斜体，旋转多少度
3.8 添加图形标题
给图形增加标题，可以使用main参数指定。
p <- pheatmap(data, scale="row", border="white",
main="Gene1", # 设置图形标题
angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
图片添加主题
3.9 调整热块大小
分别调整热图方块宽度和高度，可以使用cellwidth和cellheight参数指定。
p <- pheatmap(data, scale="row", border="white",
cellwidth = 40,cellheight = 20, # 设置热图方块宽度和高度
main="Gene1", angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
调整热图的宽度和高度
3.10 划分聚类热图区块
根据热图聚类对其进行区块儿划分，可以使用cutree_cols和cutree_rows参数指定
p <- pheatmap(data,scale="row",
cutree_cols = 6, cutree_rows =5, # 列划为6块，行为5块
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",border="white",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
注：此处我去掉了热图块儿的大小；cellwidth = 8,cellheight = 6
对聚类热图进化划分
在上图基础上增加边缘线。
p <- pheatmap(data,scale="row", border="#8B0A50",
cutree_cols = 6, cutree_rows =5,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
给热图块儿边缘添加颜色
3.11 调整热图显示数值
热图上是否展示数值，大小和颜色，大小以及数值展示类型，可以使用display_numbers、fontsize_number、number_color、number_format等参数设置。
3.11.1 热图上显示数值
使用display_numbers参数指定是否显示数值。
p <- pheatmap(data,scale="row",border="#8B0A50",
display_numbers = T, # 热图上显示数值
cutree_cols = 3,cutree_rows =4,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
添加fpkm至热图方块儿内
3.11.2 设置显示数值的大小
使用fontsize_number参数指定数值的显示大小。
p <- pheatmap(data,scale="row",border="#8B0A50",
fontsize_number = 10, display_numbers = T,
cutree_cols = 3,cutree_rows =4,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
添加数值大小（放大缩小）
3.11.3 设置数值的颜色
使用number_color参数指定数值的颜色。
p <- pheatmap(data,scale="row",border="#8B0A50",
number_color="red",
fontsize_number = 10,display_numbers = T,
cutree_cols = 3,cutree_rows =4,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
设置值的颜色
3.11.4 设置数值显示类型
使用number_format参数指定数值显示类型，下图显示为科学计数法。
p <- pheatmap(data,scale="row", border="#8B0A50", number_color="red",
number_format="%.2e",
fontsize_number = 10,display_numbers = T,
cutree_cols = 3,cutree_rows =4,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
设置值的类型
3.12 标记热图区块
对热图方块儿进行标记；display_numbers，如果该值大于1，则为+，否则为-。
p <- pheatmap(data,scale="row",
number_color="red",number_format="%.2e",
border="#8B0A50",
fontsize_number = 16,
display_numbers = matrix(ifelse(data > 1, "+", "-"), nrow(data)),
cutree_cols = 3,cutree_rows =4,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
# 也可以设置display_numbers = matrix(ifelse(data > 2, "++", "-"), nrow(data))试试
为热图方块儿内容添加标记
4. 构建分组信息
构建纵向和横向分组信息(有3个处理，分别是：盐、干旱和热应激)；以及时间：0-3day，对3类基因21个基因进行分组，分别是："WRKY", "AP2", "YABBY"。
4.1 构建纵向分组信息
annotation_col = data.frame(Deal_with = factor(rep(c("Salt", "Drought","Heat"), 3)),
Day=factor(rep(c("Day1", "Day2","Day3"), 3)))
rownames(annotation_col)
# [1] "1" "2" "3" "4" "5" "6" "7" "8" "9"
colnames(data)
# [1] "Q1" "Q2" "Q3" "F1" "F2" "F3" "T1" "T2" "T3"
rownames(annotation_col) <- colnames(data)
head(annotation_col)
# Deal_with Day
# Q1 Salt Day1
# Q2 Drought Day2
# Q3 Heat Day3
# F1 Salt Day1
# F2 Drought Day2
# F3 Heat Day3
pheatmap(data, annotation_col = annotation_col)
p <- pheatmap(data, scale="row",
annotation_col = annotation_col,
number_color="red",number_format="%.2e",
border="#8B0A50",fontsize_number = 8,
display_numbers = matrix(ifelse(data > 2, "++", "-"), nrow(data)),
cutree_cols = 3,cutree_rows =4,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
4.2 构建横向分组信息
annotation_row = data.frame(GeneClass = factor(rep(c("WRKY", "AP2", "YABBY"),7)))
rownames(annotation_row) <- rownames(data)
head(annotation_row)
# GeneClass
# Gene1 WRKY
# Gene2 AP2
# Gene3 YABBY
# Gene4 WRKY
# Gene5 AP2
# Gene6 YABBY
pheatmap(data, annotation_row =annotation_row)
p <- pheatmap(data, scale="row",
number_color="red",
annotation_row =annotation_row,
number_format="%.2e",
border="#8B0A50",
fontsize_number = 16,
display_numbers = matrix(ifelse(data > 2, "++", "-"), nrow(data)),
cutree_cols = 3,cutree_rows =4,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
4.3 共同组合二者
p <- pheatmap(data,
annotation_col = annotation_col,
annotation_row = annotation_row)
p <- pheatmap(data,scale="row",
number_color="red",
annotation_col = annotation_col,
annotation_row = annotation_row,
number_format="%.2e",border="#8B0A50",
fontsize_number = 15,
display_numbers = matrix(ifelse(data > 2, "++", "-"),nrow(data)),
cutree_cols = 3,cutree_rows =4,
main="Gene1",angle_col = 0,
clustering_distance_rows = "minkowski",
clustering_method="complete",
cluster_cols = T,treeheight_col = 20,
cluster_rows = T,treeheight_row = 20)
5. 保存图形
可以保存为pdf/jpeg/png格式，建议保存为pdf/jpeg，因为二者清晰度高。
p <- pheatmap(data,
annotation_col = annotation_col,
annotation_row = annotation_row,
filename = "基因家族热图.pdf",
width = 10, height = 8)
p <- pheatmap(data,
annotation_col = annotation_col,
annotation_row = annotation_row,
filename = "基因家族热图.jpeg",
width = 10,height = 8)
p <- pheatmap(data,
annotation_col = annotation_col,
annotation_row = annotation_row,
filename = "基因家族热图.png",
width = 10,height = 8)
6. pheatmap()函数
pheatmap(mat, color = colorRampPalette(rev(brewer.pal(n = 7, name =
"RdYlBu")))(100), kmeans_k = NA, breaks = NA, border_color = "grey60",
cellwidth = NA, cellheight = NA, scale = "none", cluster_rows = TRUE,
cluster_cols = TRUE, clustering_distance_rows = "euclidean",
clustering_distance_cols = "euclidean", clustering_method = "complete",
clustering_callback = identity2, cutree_rows = NA, cutree_cols = NA,
treeheight_row = ifelse((class(cluster_rows) == "hclust") || cluster_rows,
50, 0), treeheight_col = ifelse((class(cluster_cols) == "hclust") ||
cluster_cols, 50, 0), legend = TRUE, legend_breaks = NA,
legend_labels = NA, annotation_row = NA, annotation_col = NA,
annotation = NA, annotation_colors = NA, annotation_legend = TRUE,
annotation_names_row = TRUE, annotation_names_col = TRUE,
drop_levels = TRUE, show_rownames = T, show_colnames = T, main = NA,
fontsize = 10, fontsize_row = fontsize, fontsize_col = fontsize,
angle_col = c("270", "0", "45", "90", "315"), display_numbers = F,
number_format = "%.2f", number_color = "grey30", fontsize_number = 0.8
* fontsize, gaps_row = NULL, gaps_col = NULL, labels_row = NULL,
labels_col = NULL, filename = NA, width = NA, height = NA,
silent = FALSE, na_col = "#DDDDDD", ...)
## 函数解释
mat # 需要绘制热图的数字矩阵。
color # 表示颜色，赋值渐变颜色调色板colorRampPalette属性，选择"蓝，白，红"渐变，分为100个等级
# 例 color = colorRampPalette(c("navy", "white", "red"))(100)
kmeans_k # 绘制热图的行聚类数，如果是NA，那么行不会聚类。
breaks # 设置mat数值范围的数字序列
border_color # 表示热图上单元格边框的颜色，如果不绘制边框，则使用NA
cellwidth # 表示每个单元格的宽度，若选择NA则表示适应窗口
cellheight # 表示每个单元格的高度，若选择NA则表示适应窗口
scale # 表示值均一化的方向，或者按照行或列，或者没有，值可以是"row", “column” 或者"none"
cluster_rows # 表示进行行的聚类，值可以是FALSE或TRUE
cluster_cols # 表示进行列的聚类，值可以是FALSE或TRUE
clustering_distance_rows # 表示行距离度量的方法
clustering_distance_cols # 表示列距离度量的方法
clustering_method # 表示聚类方法，值可以是hclust的任何一种，
# 如"ward.D",“single”, “complete”, “average”, “mcquitty”, “median”, “centroid”, “ward.D2”
clustering_callback # 回调函数来修改聚类
cutree_rows # 基于层次聚类（使用cutree）划分行的簇数（如果未聚集行，则忽略参数）
cutree_cols # 基于层次聚类（使用cutree）划分列的簇数（如果未聚集行，则忽略参数）
treeheight_row # 行的树的高度,
treeheight_col # 列的树的高度
legend # TRUE或者FALSE，表示是否显示图例
legend_breaks # 设置图例的断点，如legend_breaks = -1:4
legend_labels # legend_breaks对应的标签例：legend_breaks = -1:4, legend_labels = c(“0”,“1e-4”, “1e-3”, “1e-2”, “1e-1”, “1”)
annotation_row # 行的分组信息，需要使用相应的行名称来匹配数据和注释中的行，注意之后颜色设置会考虑离散值还是连续值，格式要求为数据框
annotation_col # 列的分组信息，需要使用相应的列名称来匹配数据和注释中的列，格式要求为数据框
annotation_colors # 用于手动指定annotation_row和annotation_col track颜色的列表。
annotation_legend # 是否显示图例的名称。
annotation_names_row # 是否显示行注释的名称。
annotation_names_col # 是否显示列注释的名称。
show_rownames # 是否显示行名
show_colnames # 是否显示列名
main # 图的名字
fontsize # 图的字体大小
fontsize_row # 行名的字体大小，默认与图的字体大小相同
fontsize_col # 列名的字体大小，默认与图的字体大小相同
angle_col # 列标签的角度，可选择 (0, 45, 90, 270 and 315)
display_numbers # 表示是否将数值显示在热图的格子中，如果这是一个矩阵（与原始矩阵具有相同的尺寸），则显示矩阵的内容而不是原始值。
number_format # 设置显示数值的格式，较常用的有"%.2f"（保留小数点后两位），"%.1e"（科学计数法显示，保留小数点后一位）
number_color # 设置显示内容的颜色
fontsize_number # 设置显示内容的字体大小
labels_row # 代替行名的自定义标签
labels_col # 代替列名的自定义标签
filename # 图片保存位置以及文件名
width # 手动设置输出文件的宽度（单位：英寸）
height # 手动设置输出文件的高度（单位：英寸）
silent # 不绘制热图
na_col # 缺失值的颜色
本文完。
如果觉得不错，记得分享、点赞、点在看哦！
本文转载自蚂蚁生信，函数解释复制自医科堂。
往期精品(点击图片直达文字对应教程)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集
