R-热图-pheatmap

pheatmap是绘制热图的经典R包。其中一些细节参数设置，之前每次遇到都是网上搜索。这次系统整理下常用用法，为以后绘图提供方便。

0、示例数据与R包加载
1、聚类相关参数
2、热图的颜色
3、行，列的注释
4、热图的格子相关
5、行名与列名的调整
6、热图的分割
7、转为ggplot2对象
8、按行按列归一化

0、示例数据与R包加载

（1）模拟示例数据

• 假设有两组样本，每组5个的30个基因的表达数据（15个上调，15个下调）

exp = matrix(rnorm(300), nrow = 30, ncol = 10)
exp[1:15, 1:5] = exp[1:15, 1:5] + matrix(rnorm(75,mean = 4), nrow = 15, ncol = 5)
exp[16:30, 6:10] = exp[16:30, 6:10] + matrix(rnorm(75,mean = 3), nrow = 15, ncol = 5)
exp = round(exp, 2)
colnames(exp) = paste("Sample", 1:10, sep = "")
rownames(exp) = paste("Gene", 1:30, sep = "")
head(exp)
#       Sample1 Sample2 Sample3 Sample4 Sample5 Sample6 Sample7 Sample8 Sample9 Sample10
# Gene1    0.89    5.00    2.37    4.59    2.71   -0.89    0.21   -0.98   -0.41     0.19
# Gene2    4.05    5.58    3.51    5.45    5.47   -0.77    2.34   -0.67    0.83    -3.54
# Gene3    5.39    6.53    5.25    4.08    5.76    0.98   -0.56   -0.37   -0.56     1.21
# Gene4    4.16    2.29    2.58    3.87    5.17    0.92   -0.80    1.00   -1.23     0.29
# Gene5    3.66    2.30    2.54    2.90    5.37   -0.29    2.29    0.10   -0.33     0.81
# Gene6    2.07    4.19    3.87    1.82    4.82   -0.49    0.37    1.48    0.01    -0.22

（2）加载R包

# install.packages("pheatmap")
library(pheatmap)

packageVersion("pheatmap")
# [1] ‘1.0.12’

（3）基础绘图

pheatmap(exp)

1、聚类相关参数

如上图默认会分别对行、列计算两两间的距离，再进行聚类

1.1 聚类算法

• 对于两两间距离计算参数：clustering_distance_rows=，clustering_distance_cols=。默认为"euclidean"，备选方法有"correlation"
• 聚类方法的参数：clustering_method=。默认为"average"，备选方法有"ward.D", "ward.D2", "single", "complete", "mcquitty" (= WPGMA), "median" (= WPGMC) or "centroid" (= UPGMC)

1.2 不聚类

pheatmap(exp, cluster_row = FALSE)

1.3 聚类但不想显示树

pheatmap(exp, treeheight_row = 0)

其实treeheight_row参数是用来调整树的显示尺寸的；设置为0，也就是不显示树了。

1.4 提取热图的表达矩阵

由于聚类会调整原始数据的行列顺序，如果想要获得热图里的行列顺序数据，可如下调整

ph = pheatmap(exp)
ph$tree_row$order
ph$tree_col$order
ph_exp = exp[ph$tree_row$order, ph$tree_col$order]
ph_exp[1:4,1:4]
#         Sample3 Sample2 Sample4 Sample1
# Gene2     3.51    5.58    5.45    4.05
# Gene12    6.12    5.19    4.04    3.73
# Gene3     5.25    6.53    4.08    5.39
# Gene10    5.36    4.47    4.42    4.54

2、热图的颜色

• color=

#Default
colours = colorRampPalette(rev(RColorBrewer::brewer.pal(n = 7, name = "RdYlBu")))(100)
str(colours)
# chr [1:100] "#4575B4" "#4979B6" "#4E7DB8" "#5282BB" "#5786BD" "#5C8BBF" "#608FC2" ...

# 个性化修改
colours = colorRampPalette(c("navy", "white", "firebrick3"))(10)
str(colours)
# chr [1:10] "#3288BD" "#5FA2CB" "#8DBCDA" "#BAD7E9" "#E8F1F7" "#FAE9EB" "#F1BEC4" ...
pheatmap(exp, color = colours)

#colours = colorRampPalette(c("#3288bd", "white", "#d53e4f"))(10)

3、行，列的注释

• 为annotation_col=，annotation_row=参数提供data.frame，行名与表达矩阵的行名与列名相同；列的内容为分组信息。

# 构建列注释信息（行名与表达矩阵的列名col保持一致）
annotation_col = data.frame(
  group = rep(c("Group_A", "Group_B"), each = 5),
  row.names = colnames(exp))
head(annotation_col)

# 构建行注释信息（行名与表达矩阵的行名row保持一致）
annotation_row = data.frame(
  Type = rep(c("Up", "Down"), each = 15),
  row.names = rownames(exp))
head(annotation_row)

pheatmap(exp, 
         annotation_col = annotation_col,
         annotation_row = annotation_row)

image.png

• 为ann_colors=参数提供一个list对象，可修改注释分组的颜色

#修改注释标签的颜色
ann_colors = list(
  group = c(Group_A = "#e66101", Group_B = "#5e3c99"),
  Type = c(Up = "#e7298a", Down = "#66a61e"))
pheatmap(exp, 
         annotation_col = annotation_col, 
         annotation_row = annotation_row, 
         annotation_colors = ann_colors)

4、热图的格子相关

• 格子的边框颜色border_color=；无边框border=F
• 格子的长宽cellwidth = 15, cellheight = 12

pheatmap(exp, border_color = "white",
         cellwidth = 9, cellheight = 9)

• 格子内的文本注释

pheatmap(exp, display_numbers = TRUE,
         number_color = "blue", number_format = "%.1e") #default "%.2f"

pheatmap(exp, display_numbers = matrix(ifelse(exp > 5, "*", ""), 
                                        nrow(exp)))

pheatmap(exp, display_numbers = matrix(ifelse(exp > 5, exp, ""), 
                                       nrow(exp)))

5、行名与列名的调整

• （1）不显示行名与列名

pheatmap(exp,show_rownames=F,show_colnames=F)

• （2）仅特定显示部分行名
  注意：由于聚类的原因，一定要注意对应的顺序！

labels_row = rep("", nrow(exp))
labels_row[c(5,8,16)]=c("gene_A","gene_B","gene_C")
pheatmap(exp, labels_row = labels_row)

• fontsize_row = 12,fontsize_col = 8可修改行名与列名的大小；
• angle_col = 45可修改列名的角度；但只能是修改行名，并且只能是270”, “0”, “45”, “90”, “315”中的一种

6、热图的分割

• （1）根据聚类树，按指定数目进行分割

pheatmap(exp, 
         cutree_cols = 2,
         cutree_rows = 4)

• （2）指定行/列数进行分割，前提是要取消聚类

pheatmap(exp, cluster_rows = FALSE,cluster_cols = FALSE,
         gaps_row = c(10, 20),
         gaps_col = 5)

7、转为ggplot2对象

library(ggplot2)
library(ggplotify)
g = as.ggplot(pheatmap(exp))
g + ggtitle("This is a ggplot object")

8、按行按列归一化

• 默认按照原始值可视化，可通过scale =参数设置按照行或者列进行归一化之后的结果绘图

pheatmap(exp, scale = "row")
# scale_rows = function(x){
#   m = apply(x, 1, mean, na.rm = T)
#   s = apply(x, 1, sd, na.rm = T)
#   return((x - m) / s)
# }