生信pheatmap绘制热图(pheatmap作图前数据)

相信很多没有经验的人对Pheatmap如何绘制热图都是一窍不通的。为此，本文总结了问题产生的原因及解决方法。希望你能通过这篇文章解决这个问题。

随机产生，10个基因，每个基因4个处理，每个处理3个平行处理，表达RPKM值在1-120之间，矩阵的第一个RPKM值为250:

图书馆

数据矩阵(runif(120，0，120)，ncol=12)

数据[1] - 250

colnames(data) - c(paste0('tr_1_ '，seq(1，3))、paste0('tr_2 '，seq(1，3))、paste0('tr_3 '，seq(1，3))、paste0('tr_4 '，seq(1，3)))

row name(data)-c(paste 0(' gene '，seq(1，10)))

运行生成矩阵和图片的过程：

使用边框颜色参数修改边框颜色：

pheatmap(数据，border_color='蓝色')

pheatmap(数据，border_color='red ')

pheatmap(数据，border_color='pink ')

pheatmap(数据，border_color='绿色')

颜色参数的使用：

colors-colorrappalete(c(' blue '，' red')) (5) #颜色从蓝色变为红色，5表示长度为5的颜色渐变。

颜色；色彩；色调

[1]' # 0000 ff ' ' # 3f 00 BF ' ' # 7f 007 f ' ' # BF 003 f ' ' # ff 0000 '

pheatmap(数据，border_color='黄色'，color=colorrampalette(c(' 00ff 00 '，'白色'，' #EE0000'))(100))

操作结果如下：

比例参数的使用：

标度是指数值的均匀化。在基因表达的数据中，有的基因极低，有的基因极高。因此，通过将每个基因在不同处理和重复中的数据转换成平均值为0、方差为1的数据，我们可以看出每个基因在某些处理和重复中的表达是高还是低。

“行”、“列”和“无”分别表示均匀化行或列，或者不均匀化它们。在一般的数据处理中，基因的表达应该是同质的，所以选择“行”

pheatmap(数据，border_color=quot

;yellow",color = colorRampPalette(c('pink','blue'))(100),scale='row')

参数：cluster_rows／cluster_cols和cellwidth／cellheight

对基因的顺序进行聚类，因此可使用cluster_rows／cluster_col来修改；同时可以使用cellwidth／cellheight对每个单元方块的大小进行设置:

>pheatmap(data,border_color='yellow',color=colorRampPalette(c('pink','blue'))(100),scale='row',cluster_cols = FALSE,cellwidth = 20,cellheight = 20)

参数：legend／legend_breaks／legend_labels

使用legend阈值逻辑值来对色度条进行隐藏，以及对色度条上对应位置的字符进行修改:

>pheatmap(data,border_color='yellow',color=colorRampPalette(c('pink','blue'))(100),scale='row',cluster_cols = FALSE,cellwidth = 20,cellheight = 20,legend_breaks = c(-2.5,0,2.5),legend_labels = c('>=-2.5','0','2.5'))

运行结果如下：

>pheatmap(data,border_color='yellow',color=colorRampPalette(c('pink','blue'))(100),scale='row',cluster_cols = FALSE,cellwidth = 20,cellheight = 20,legend=FALSE,legend_breaks = c(-2.5,0,2.5),legend_labels = c('>=-2.5','0','2.5'))

参数：gaps_row／gaps_col、cutree_rows／cutree_cols和treeheight_row／treeheight_col

cutree_rows按聚类分割，如cutree_rows=2，把基因表达量聚类分成2类；gaps_col=c(3,6,9)不能聚类，把重复都分开。gaps_XX对行或列进行分割，就不应对相应的行或列进行聚类；treeheight_row参数改变聚类的支长长度：

>pheatmap(data,border_color='yellow',color=colorRampPalette(c('pink','blue'))(100),scale='row',cluster_cols = FALSE,cellwidth = 20,cellheight = 20,legend=FALSE,legend_breaks = c(-2.5,0,2.5),legend_labels = c('>=-2.5','0','2.5'),cutree_rows = 2,gaps_col = c(3,6,9),treeheight_row = 10)

参数：annotation_row／annotation_col、annotation_colors、annotation_legend和annotation_names_row／annotation_names_col

利用annotation_col参数，给各个处理添加一个颜色标签；

利用annotation_colors对标签的颜色进行修改；

利用annotation_legend设置是否显示标签注释条；

利用annotation_names_col设置是否显示标签名称。

>annotation_col=data.frame(treat=factor(rep(paste0('T',1:4),each=3)),class=factor(rep(paste0('class',1:2),each=6)))

>ann_color=list(a=c(T1='yellow',T2='#757083',T3='firebrick',T4='#66A61E'),b=c(class1='blue',class2='#1B9E77'))

> row.names(annotation_col)=colnames(data)

>pheatmap(data,border_color='yellow',color=colorRampPalette(c('pink','blue'))(100),scale='row',cluster_cols = FALSE,cellwidth = 20,cellheight = 20,legend_breaks = c(-2.5,0,2.5),legend_labels = c('>=-2.5','0','2.5'),cutree_rows = 2,gaps_col = c(3,6,9),treeheight_row = 10,annotation_col=annotation_col,annotation_legend=TRUE,annotation_colors=ann_color,annotation_names_col=TRUE)

运行过程中产生数据与图：

annotation_col：

参数：display_numbers、number_format、number_color和fontsize_number

利用display_numbers参数可以在每个单元框内显示每个方框对于的数据，其中有三个选项，TRUE、FALSE以所对应的数据，如果设置display_numbers=T，这显示做了均一化的数据（如果之前使用过scale参数），设置display_numbers=data，则表示为直接显示原始数据，即可直接显示出RPKM值在单元格中；

number_color顾名思义就是这是设置显示数据的颜色了

fontsize_number则为显示每个数据的大小；

 利用number_format可以设置保留小数位数或者字符串格式（如%.2f），但仅有在display_numbers=T时才能使用，很鸡肋，因此不建议使用该参数，而我们一般是直接显示RPKM值，所以我们需要之前对数据集进行保留小数处理，不然数据显示会超出单元格

>pheatmap(data,border_color='yellow',color=colorRampPalette(c('pink','blue'))(100),scale='row',cluster_cols = FALSE,cellwidth = 20,cellheight = 20,legend_breaks = c(-2.5,0,2.5),legend_labels = c('>=-2.5','0','2.5'),cutree_rows = 2,treeheight_row = 10,annotation_col=A,annotation_legend=TRUE,annotation_colors=ann_color,annotation_names_col=TRUE,display_numbers = TRUE,number_color = 'red',fontsize_number = 8,number_format = "%.2f")

运行结果如下：

参数：show_rownames/show_colnames、fontsize_col/fontsize_row、fontsize和main

show_rownames表示是否显示gene名称，用逻辑值设置，fontsize_col设置横坐标名称的大小，fontsize则是设置所有除主图以外的标签的大小，利用main设置热图的名称，如：

>pheatmap(data,border_color='yellow',color=colorRampPalette(c('pink','blue'))(100),scale='row',cluster_cols = FALSE,cellwidth = 20,cellheight = 20,legend_breaks = c(-2.5,0,2.5),legend_labels = c('>=-2.5','0','2.5'),cutree_rows = 2,treeheight_row = 10,annotation_col=A,annotation_legend=TRUE,annotation_colors=ann_color,annotation_names_col=TRUE,display_numbers = TRUE,number_color = 'red',fontsize_number = 8,number_format = "%.2f",show_rownames = FALSE,fontsize_col = 15,fontsize=5,main = "heatmap test 2")

看完上述内容，你们掌握Pheatmap怎样绘制热图的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注行业资讯频道，感谢各位的阅读！