我们在分析了差异表达数据之后，经常要生成一种直观图－－热图(heatmap)。这一节就以基因芯片数据为例，示例生成高品质的热图。
比如
钢蓝渐白配色的热图
首先还是从最简单的heatmap开始。
> library(ggplot2)
> library(ALL) #可以使用biocLite("ALL")安装该数据包
> data("ALL")
> library(limma)
> eset<-ALL[,ALL$mol.biol %in% c("BCR/ABL","ALL1/AF4")]
> f<-factor(as.character(eset$mol.biol))
> design<-model.matrix(~f)
> fit<-eBayes(lmFit(eset,design)) #对基因芯片数据进行分析，得到差异表达的数据
> selected <- p.adjust(fit$p.value[, 2]) <0.001
> esetSel <- eset[selected,] #选择其中一部分绘制热图
> dim(esetSel) #从这尺度上看，数目并不多，但也不少。如果基因数过多，可以分两次做图。
Features Samples
84 47
> library(hgu95av2.db)
> data<-exprs(esetSel)
> probes<-rownames(data)
> symbol<-mget(probes,hgu95av2SYMBOL,ifnotfound=NA)
> symbol<-do.call(rbind,symbol)
> symbol[is.na(symbol[,1]),1]<-rownames(symbol)[is.na(symbol[,1])]
> rownames(data)<-symbol[probes,1] #给每行以基因名替换探针名命名，在绘制热图时直接显示基因名。
> heatmap(data,cexRow=0.5)
使用heatmap函数默认颜色生成的热图
这个图有三个部分，样品分枝树图和基因分枝树图，以及热图本身。之所以对样品进行聚类分析排序，是因为这次的样品本身并没有分组。如果有分组的话，那么可以关闭对样品的聚类分析。对基因进行聚类分析排序，主要是为了色块好看，其实可以选择不排序，或者使用GO聚类分析排序。上面的这种热图，方便简单，效果非常不错。
接下来我们假设样品是分好组的，那么我们想用不同的颜色来把样品组标记出来，那么我们可以使用ColSideColors参数来实现。同时，我们希望变更热图的渐变填充色，可以使用col参数来实现。
> color.map <- function(mol.biol) { if (mol.biol=="ALL1/AF4") "#FF0000" else "#0000FF" }
> patientcolors <- unlist(lapply(esetSel$mol.bio, color.map))
> heatmap(data, col=topo.colors(100), ColSideColors=patientcolors, cexRow=0.5)
使用heatmap函数top.colors填充生成的热图
在heatmap函数中，样品分组只能有一种，如果样品分组有多次分组怎么办？heatmap.plus就是来解决这个问题的。它们的参数都一致，除了ColSideColors和RowSideColors。heatmap使用是一维数组，而heatmap.plus使用的是字符矩阵来设置这两个参数。
> library(heatmap.plus)
> hc<-hclust(dist(t(data)))
> dd.col<-as.dendrogram(hc)
> groups <- cutree(hc,k=5)
> color.map <- function(mol.biol) { if (mol.biol=="ALL1/AF4") 1 else 2 }
> patientcolors <- unlist(lapply(esetSel$mol.bio, color.map))
> col.patientcol<-rbind(groups,patientcolors)
> mode(col.patientcol)<-"character"
> heatmap.plus(data,ColSideColors=t(col.patientcol),cexRow=0.5)
使用heatmap.plus绘制热图
这样绘图的不足是没有热图色key值。gplots中的heatmap.2为我们解决了这个问题。而且它带来了更多的预设填充色。下面就是几个例子。
> library("gplots")
> heatmap.2(data, col=redgreen(75), scale="row", ColSideColors=patientcolors,
+ key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5)
使用heatmap.2函数,readgreen渐变色填充生成的热图
> heatmap.2(data, col=heat.colors(100), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) > heatmap.2(data, col=terrain.colors(100), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) > heatmap.2(data, col=cm.colors(100), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) > heatmap.2(data, col=redblue(100), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) > heatmap.2(data, col=colorpanel(100,low="white",high="steelblue"), scale="row", ColSideColors=patientcolors, + key=TRUE, keysize=1, symkey=FALSE, density.info="none", trace="none", cexRow=0.5)
使用heatmap.2函数,heat.colors渐变色填充生成的热图
使用heatmap.2函数,terrain.colors渐变色填充生成的热图
使用heatmap.2函数,cm.colors渐变色填充生成的热图
使用heatmap.2函数,redblue渐变色填充生成的热图
使用heatmap.2函数,colorpanel渐变色填充生成的热图
然而，以上的heatmap以及heatmap.2虽然方便简单，效果也很不错，可以使用colorpanel方便的设置渐变填充色，但是它的布局没有办法改变，生成的效果图显得有点呆板，不简洁。为此这里介绍如何使用ggplot2当中的geom_tile来为基因芯片绘制理想的热图。
> library(ggplot2) > hc<-hclust(dist(data)) > rowInd<-hc$order > hc<-hclust(dist(t(data))) > colInd<-hc$order > data.m<-data[rowInd,colInd] #聚类分析的作用是为了色块集中，显示效果好。如果本身就对样品有分组，基因有排序，就可以跳过这一步。 > data.m<-apply(data.m,1,rescale) #以行为基准对数据进行变换，使每一行都变成［0,1］之间的数字。变换的方法可以是scale,rescale等等，按照自己的需要来变换。 > data.m<-t(data.m) #变换以后转置了。 > coln<-colnames(data.m) > rown<-rownames(data.m) #保存样品及基因名称。因为geom_tile会对它们按坐标重排，所以需要使用数字把它们的序列固定下来。 > colnames(data.m)<-1:ncol(data.m) > rownames(data.m)<-1:nrow(data.m) > data.m<-melt(data.m) #转换数据成适合geom_tile使用的形式 > head(data.m) X1 X2 value 1 1 1 0.1898007 2 2 1 0.6627467 3 3 1 0.5417057 4 4 1 0.4877054 5 5 1 0.5096474 6 6 1 0.2626248 > base_size<-12 #设置默认字体大小，依照样品或者基因的多少而微变。 > (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), #设定横坐标为以前的列，纵坐标为以前的行，填充色为转换后的数据 + colour = "white") + scale_fill_gradient(low = "white", #设定渐变色的低值为白色，变值为钢蓝色。 + high = "steelblue")) > p + theme_grey(base_size = base_size) + labs(x = "", #设置xlabel及ylabel为空 + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + #设置x坐标扩展部分为0，刻度为之前的样品名 + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( #设置y坐标扩展部分为0，刻度为之前的基因名 + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * #设置坐标字体为基准的0.8倍，贴近坐标对节，x坐标旋转90度，色彩为中灰 + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50"))
使用ggplot2中geom_tile函数,钢蓝渐白配色的热图
也可以很轻松的实现传统渐变填充色，红黄渐变。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "yellow", + high = "red")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50"))
使用ggplot2中geom_tile函数，红黄渐变填充的热图
使用红绿渐变填充。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "green", + high = "red")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50"))
使用ggplot2中geom_tile函数，红绿渐变填充的热图
使用绿白渐变填充。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "seagreen", + high = "white")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50"))
使用ggplot2中geom_tile函数，绿白渐变填充的热图
使用棕白渐变填充。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "white", + high = "sienna4")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50"))
使用ggplot2中geom_tile函数，棕白渐变填充的热图
使用灰阶填充。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "black", + high = "gray85")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50"))
使用ggplot2中geom_tile函数，灰色渐变填充的热图
除了ggplot2，还有lattice也是不错的选择。我只使用一种填充色，生成两个图，以作示例。
> hc<-hclust(dist(data)) > dd.row<-as.dendrogram(hc) > row.ord<-order.dendrogram(dd.row) #介绍另一种获得排序的办法 > hc<-hclust(dist(t(data))) > dd.col<-as.dendrogram(hc) > col.ord<-order.dendrogram(dd.col) > data.m<-data[row.ord,col.ord] > library(ggplot2) > data.m<-apply(data.m,1,rescale) #rescale是ggplot2当中的一个函数 > library(lattice) > levelplot(data.m, + aspect = "fill",xlab="",ylab="", + scales = list(x = list(rot = 90, cex=0.8),y=list(cex=0.5)), + colorkey = list(space = "left"),col.regions = heat.colors) > library(latticeExtra) > levelplot(data.m, + aspect = "fill",xlab="",ylab="", + scales = list(x = list(rot = 90, cex=0.5),y=list(cex=0.4)), + colorkey = list(space = "left"),col.regions = heat.colors, + legend = + list(right = + list(fun = dendrogramGrob, #dendrogramGrob是latticeExtra中绘制树型图的一个函数 + args = + list(x = dd.row, ord = row.ord, + side = "right", + size = 5)), + top = + list(fun = dendrogramGrob, + args = + list(x = dd.col, + side = "top", + type = "triangle")))) #使用三角型构图
使用lattice中的levelplot函数，heat.colors填充绘制热图
使用lattice中的levelplot函数，heat.colors填充，dendrogramGrob绘树型，绘制热图
可是可是，绘制一个漂亮的热图这么难么？参数如此之多，设置如此复杂，色彩还需要自己指定。有没有简单到发指的函数呢？有！那就是pheatmap，全称pretty heatmaps.
> library(pheatmap)
> pheatmap(data,fontsize=9, fontsize_row=6) #最简单地直接出图
> pheatmap(data, scale = "row", clustering_distance_row = "correlation", fontsize=9, fontsize_row=6) #改变排序算法
> pheatmap(data, color = colorRampPalette(c("navy", "white", "firebrick3"))(50), fontsize=9, fontsize_row=6) #自定义颜色
> pheatmap(data, cluster_row=FALSE, fontsize=9, fontsize_row=6) #关闭按行排序
> pheatmap(data, legend = FALSE, fontsize=9, fontsize_row=6) #关闭图例
> pheatmap(data, cellwidth = 6, cellheight = 5, fontsize=9, fontsize_row=6) #设定格子的尺寸
> color.map <- function(mol.biol) { if (mol.biol=="ALL1/AF4") 1 else 2 }
> patientcolors <- unlist(lapply(esetSel$mol.bio, color.map))
> hc<-hclust(dist(t(data)))
> dd.col<-as.dendrogram(hc)
> groups <- cutree(hc,k=7)
> annotation<-data.frame(Var1=factor(patientcolors,labels=c("class1","class2")),Var2=groups)
> pheatmap(data, annotation=annotation, fontsize=9, fontsize_row=6) #为样品分组
> Var1 = c("navy", "skyblue")
> Var2 = c("snow", "steelblue")
> names(Var1) = c("class1", "class2")
> ann_colors = list(Var1 = Var1, Var2 = Var2)
> pheatmap(data, annotation=annotation, annotation_colors = ann_colors, fontsize=9, fontsize_row=6) #为分组的样品设定颜色
pheatmap最简单地直接出图
pheatmap改变排序算法
pheatmap自定义颜色
pheatmap关闭按行排序
pheatmap关闭图例
pheatmap设定格子的尺寸
pheatmap为样品分组
pheatmap为分组的样品设定颜色
转载文章来自糗世界博客
Hi blogger, i found this post on 20 spot in google’s search
results. You should decrease your bounce rate in order to rank in google.
This is major ranking factor nowadays. There is
very handy wordpress plugin which can help you. Just search in google for:
Sisonum’s Bounce Plugin