vlambda博客
学习文章列表

在R语言中绘制热图的方法有很多，pheatmap包是我的最爱，本次我也就以用pheatmap包绘制热图的方法来举例了。好，废话不多说，我们这就开始吧！

首先准备数据，这次需要准备三个数据。第一个是包含每个基因表达变化情况的数据框（如下图所示）。

（此为数据集GSE118370经limma包分析结果：Tumor vs. Normal，命名为DEG）

因为我们在热图中需要显示每个基因在不同样本中的表达情况，所以需要准备的第二个数据是注释好基因名称的基因表达矩阵，里面包含每个样本所有基因的表达值信息（如下图所示）。

我们要准备的第三个数据是一个包含样本分组信息的数据框，以便在热图中显示样本的分组信息（如下图所示）。

接下来同样是定义一下上下调基因：以logFC>1且adj.P.Val<0.05为显著上调基因，logFC<-1且adj.P.Val<0.05为显著下调基因，其余为表达变化不显著的基因，并在DEG中新增一列，命名为Change，并删去标记为“NOT”（差异变化不显著）的基因。

##给DEG添加一列，标注上下调情况，并删去表达变化不显著的基因
DEG$Change <- as.factor(ifelse(DEG$adj.P.Val < 0.05 & abs(DEG$logFC) > 1,
                               ifelse(DEG$logFC > 1, 'Up', 'Down'),'NOT'))

DEG <- DEG[DEG$Change != 'NOT',] #筛选差异表达基因

DEG <- DEG[order(abs(DEG$logFC), decreasing = T), ] #按logFC绝对值从大到小排序

然后就可以开始绘图啦：

library(pheatmap)  #加载pheatmap包
pheatmap(mat = ExprMatrix[rownames(DEG),])
##ExprMatrix为我们准备的第二个数据

这张图看上去比较丑，所以我们需要对其进行一些调整：

pheatmap(mat = ExprMatrix[rownames(DEG),], #这里也可以选取其中的一部分基因进行绘图
         annotation_col = sample_group, #sample_group为我们准备的第三个数据
         scale = 'row', #按行进行标准化，使颜色区分更加明显
         show_rownames = F) #取消显示行名

这样是不是就好看多了。此外，如果我们选取少量基因绘图时，还可以在图中显示每个基因的表达值（设置display_numbers参数为TRUE），这样看上去更为方便！

pheatmap(mat = ExprMatrix[rownames(DEG),][1:20,], #选取logFC排名前20的基因
         annotation_col = sample_group,
         scale = 'row',
         show_rownames = T,
         display_numbers = T)

pheatmap函数提供了大量可调整参数，如果想调整更多细节，可以查看帮助文档！本次内容比较简单，就到此结束啦。

（如发现代码有错误之处或不足，欢迎指正！）