前面给大家介绍了如何使用R自带的heatmap函数+R自带的配色方案来绘制热图
☞【R语言】热图绘制-heatmap函数
☞R语言中的颜色(一)-自带的调色板
也给大家介绍了如何使用R自带的heatmap函数+gplots的配色方案来绘制热图
☞R语言】热图绘制-heatmap+gplots配色方案
☞R语言中的颜色(二)-gplots包
今天我们接着来聊heatmap这个函数绘制热图，这次我们使用grDevice这个R包里面的配色方案
R语言中的颜色(三)-grDevice包
首先我们还是先读取需要的数据，这里用到的数据跟【R语言】热图绘制-heatmap函数用到的数据是一样的
#读取所有miRNA的表达矩阵
expr=read.table("miRNA_expr.txt",header=T,row.names=1,sep="\t")
#读取差异表达分析结果
#差异表达分析可以参考https://ke.qq.com/course/package/37513
deg=read.table("MIR_DEG_fc_2.5_pval_0.01.txt",header=T,row.names = 1,sep="\t")
#设置样本类型
type=factor(rep(c("CR","CC"),each=3))
#提取差异表达miRNA的名字
miRNA=rownames(deg)
#提取差异表达miRNA对应的表达矩阵
data=as.matrix(expr[miRNA,])
接下来我们使用grDevice包里面的两个函数来生成配色方案
这个R包提供两个颜色相关的函数
- colorRamp()
- colorRampPalrttr()
1. 利用colorRampPalette生成颜色函数b2p1，由绿色到红色的渐变
#利用colorRampPalette生成颜色函数b2p1，由绿色到红色的渐变
b2p1 <- colorRampPalette(c("green", "red"))
#生成25种颜色
heatmap(data, cexCol = 1,scale="row",col = b2p1(25))
2.利用colorRampPalette生成颜色函数b2p1，由绿色到黄色再到红色的渐变
#利用colorRampPalette生成颜色函数b2p1，由绿色到黄色再到红色的渐变
b2p1 <- colorRampPalette(c("green","yellow", "red"))
#生成25中颜色
heatmap(data, cexCol = 1,scale="row",col = b2p1(25))
3.利用colorRamp生成颜色函数b2p2,由绿色到红色的渐变
#利用colorRamp生成颜色函数b2p2,由绿色到红色的渐变
b2p2 <- colorRamp(c("green", "red"))
#利用rgb函数将RGB值转换成hex值，生成25种颜色
col=apply(b2p2(seq(0, 1, len = 25)),1,function(x){
rgb(x[1],x[2],x[3],maxColorValue = 255)
})
heatmap(data, cexCol = 1,scale="row",col = col)
4.利用colorRamp生成颜色函数b2p2，由绿色到黄色再到红色的渐变
#利用colorRamp生成颜色函数b2p2，由绿色到黄色再到红色的渐变
b2p2 <- colorRamp(c("green","yellow", "red"))
#利用rgb函数将RGB值转换成hex值，生成25种颜色
col=apply(b2p2(seq(0, 1, len = 25)),1,function(x){
rgb(x[1],x[2],x[3],maxColorValue = 255)
})
heatmap(data, cexCol = 1,scale="row",col = col)
本文中使用的表达矩阵来自GEO公共数据库
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE82236
关于GEO数据库检索和差异表达分析可以参考
☞基于GEO公共数据库的数据挖掘
获取文中使用的原始数据
参考资料：
☞【R语言】热图绘制-heatmap函数+默认配色方案
☞【R语言】热图绘制-heatmap+gplots配色方案
☞R语言中的颜色(一)-自带的调色板
☞R语言中的颜色(二)-gplots包
☞R语言中的颜色(三)-grDevice包
☞ 超详细的热图绘制教程(5000余字)，真正的保姆级教程
☞ R语言绘制基因表达热图（简易版）
☞ 一个R函数搞定风险评估散点图，热图
☞ R绘制甲基化和表达谱联合分析热图