用 R 语言中的 Pheatmap 绘制基因表达量热图：绘制复杂数据的可视化指南

2024-02-19 16:31:31

引言

在生物信息学领域，可视化基因表达模式对于理解复杂的生物学过程至关重要。热图是一种强大的工具，可以有效地显示不同基因或样本之间的表达模式差异。本文将介绍如何使用 R 语言中的 Pheatmap 包绘制基因表达量热图，提供分步指南和实用示例。

步骤 1：数据准备

首先，导入基因表达数据并将其转换为数据框。确保数据框包含基因名称、样品名称和相应的表达值。

# 导入数据框
data <- read.csv("gene_expression_data.csv")

# 设置列名为基因名称和样品名称
colnames(data) <- c("Gene", "Sample1", "Sample2", ...)

步骤 2：创建热图

使用 Pheatmap 包创建热图，指定数据框和参数：

# 绘制热图
pheatmap(data, cluster_cols = TRUE, cluster_rows = TRUE)

cluster_cols 和 cluster_rows 参数指定是否对列和行进行聚类。

步骤 3：自定义设置

您可以自定义热图的外观和功能，例如：

颜色方案： 使用 color 参数指定颜色方案。
标签： 使用 fontsize 和 fontsize_row 参数调整标签大小。
边框： 使用 show_row_names 和 show_col_names 参数显示或隐藏边框。

# 自定义热图
pheatmap(data, cluster_cols = TRUE, cluster_rows = TRUE,
         color = "YlOrRd", fontsize = 10, fontsize_row = 10,
         show_row_names = TRUE, show_col_names = TRUE)

步骤 4：添加注释

要添加注释，如树枝图或热图下面的条形图，请使用以下代码：

# 添加树枝图
pheatmap(data, cluster_cols = TRUE, cluster_rows = TRUE, treeheight_col = 0.8, treeheight_row = 0.8)

# 添加条形图
pheatmap(data, cluster_cols = TRUE, cluster_rows = TRUE, show_row_names = FALSE, show_col_names = FALSE,
         scale = "row") +
  geom_barstat(width = 0.5, color = "black")