Pheatmap做热图数据处理过程

1.原始的FPKM数据a5

选择其中的KO2和NC进行处理

View(a5)
a4=a5[,c(2,3)]
View(a4)
a6=a4

a7=log2(a6+0.0005)

col = colorRampPalette(colors = c("blue","white","red"))(80)
##col = colorRampPalette(c("lightblue","lightyellow","orange","#FF6A6A"),bias=1)(300)
##300表示色阶，从高到低300个色阶，如果设置5个色阶，即可切成5块

View(a7)
colnames(a7)=c("KO","NC")
pheatmap(a7,angle_col = 45,cellheight = 2,cellwidth = 80,color=col, show_rownames = F,fontsize_col=15)

最终得到的结果图

在这里值得注意的是数据的处理过程。

实际应用中，异常值的出现会毁掉一张热图。这通常不是我们想要的。为了更好的可视化效果，需要对数据做些预处理，主要有对数转换，Z-score转换，抹去异常值，非线性颜色等方式。

Pheatmap的数据需要进行转换，常见的转换有
1.对数转换

a7=log2(a6+0.0005)

2. +1是为了防止对0取对数；是加1还是加个更小的值取决于数据的分布。
   加的值一般认为是检测的低阈值，低于这个值的数字之间的差异可以忽略。(主要看数据的分布范围，如果较大的数据较多，较少的数据较小，可以加的小点，拉开差距。

2.抹去异常值,比如下面这张图，红框里面的数据整体偏大，会影响数据的整体归一化过程，可以选择将大于30的值(看数据分布情况)赋值30

a3[a3>30] <-30  #将a3中的大于30的值赋值到30

3.Z-Score处理

data <-data[apply(data,1,var)!=0,]  ##去掉方差为0的行，也就是值全都一致的行


#标准化数据，获得Z-score，并转换为data.frame
data_scale <-as.data.frame(t(apply(data,1,scale)))
colnames(data_scale)<- colnames(data)

4.非线性转换
正常来讲，颜色的赋予在最小值到最大值之间是均匀分布的。非线性颜色则是对数据比较小但密集的地方赋予更多颜色，数据大但分布散的地方赋予更少颜色，这样既能加大区分度，又最小的影响原始数值。通常可以根据数据模式，手动设置颜色区间。为了方便自动化处理，我一般选择用四分位数的方式设置颜色区间。

data_ori <- "Grp_1;Grp_2;Grp_3;Grp_4;Grp_5

a;6.6;20.9;100.1;600.0;5.2

b;20.8;99.8;700.0;3.7;19.2

c;100.0;800.0;6.2;21.4;98.6

d;900;3.3;20.3;101.1;10000"


data <- read.table(text=data_ori,
header=T, row.names=1, sep=";", quote="")

data$ID = rownames(data)

data_m = melt(data, id.vars=c("ID"))

  # 获取数据的最大、最小、第一四分位数、中位数、第三四分位数
  summary_v <- summary(data_m$value)
  summary_v
      Min.  1st
  Qu.   Median     Mean  3rd
  Qu.     Max. 
      3.30   
  16.05    60.00   681.40   225.80 10000.00
  # 在最小值和第一四分位数之间划出6个区间，第一四分位数和中位数之间划出6个区间，中位数和第三四分位数之间划出5个区间，最后的数划出5个区间
break_v <-unique(c(seq(summary_v[1]*0.95,summary_v[2],length=6),seq(summary_v[2],summary_v[3],length=6),seq(summary_v[3],summary_v[5],length=5),seq(summary_v[5],summary_v[6]*1.05,length=5)))
 break_v
   [1]    
  3.135     5.718    
  8.301    10.884    13.467   
  16.050    24.840
   [8]   
  33.630    42.420    51.210   
  60.000   101.450   142.900   184.350
  [15]   225.800 
  2794.350  5362.900  7931.450 10500.000
  # 安照设定的区间分割数据
  # 原始数据替换为了其所在的区间的数值
data_m$value <-cut(data_m$value,breaks=break_v,labels=break_v[2:length(break_v)])
break_v=unique(data_m$value)
data_m

# 虽然看上去还是数值，但已经不是数字类型了

# 而是不同的因子了，这样就可以对不同的因子赋予不同的颜色了

is.numeric(data_m$value)
[1] FALSE

is.factor(data_m$value)
[1] TRUE
break_v
#[1] 8.301   24.84  
101.45  2794.35 5.718   10500
#18 Levels: 5.718 8.301 10.884 13.467 16.05
24.84 33.63 42.42 51.21 … 10500
#产生对应数目的颜色
gradientC=c('green','yellow','red')
col <-colorRampPalette(gradientC)(length(break_v))

试剂上数据转换的格式主要取决与你的数据分布，值得夺取探索，毕竟是数学，总有他背后的规律和名堂。

放一张最开始丑的不要了的图，毕竟最开始长这个样子。后期继续修改和和美化。