干货 | heatmap常用参数应用及案例演示

来源：解螺旋·医生科研助手

导语我们把筛出来的差异表用一种直观的图表示出来，一般使用热图（heatmap）将差异表达基因进行数据可视化处理，传统的方法采用R语言包里面的（heatmap）函数对其进行绘制，这里重点讲解一下heatmap包各个常用参数的使用，如果要求较高可以采用这种方法来画图。另外，如果要求不高，也可以使用Heatmap builder这个软件做图，窗口化操作，方法简单。

如果大家掌握了左边的heatmap图的做法，那么今天介绍一下右边这个更高级一点的heapmap图的做法，并对详细的代码做一下介绍。

首先我们还是导入数据，转换为矩阵，用到下面这几行代码。值得注意的是，导入代码的时候，需要先设置工作目录（working directory），菜单Misc里面的Change Working Directory，把工作目录改为数据存在所在的文件夹。注意：文件夹仅支持英文命名。

data<-read.table("heatmap.txt", head=T) #读取数据文件attach=data #数据备份row.names(data)<-data$index#提取行名data<-data[,-1] #去除数据中的行名data<-data.matrix(data) #转换为矩阵

index以Excel表中的第一列表头标题相对应。 Excel里的数据格式按以下编排，第一行从左到右分别为基因名，后面的数据可以是不同实验组间的比较，基因芯片的表达数据等等。但是这里的数据必须经过均一化，否则heatmap图没有意义。

Excel文件可以导出为.txt格式或者.csv格式两种，但是txt格式必须为“制表符分隔的文本.txt” 如果是.csv格式，第一行代码read.table改为read.csvlibrary(pheatmap) #加载pheatmap函数library("RColorBrewer") library()表示加载相应的函数，如果没有安装，要提前安装。这里我们加载了两个函数，一个是做heatmap图的函数pheatmap，另一个是颜色函数RColorBrewer。col.pal <- brewer.pal(9,"YlOrBr") 这里我们选择的是“YlOrBr”颜色，也就是Yl黄色，Or橙色，Br蓝色的过度，数字9代表从黄色过度到蓝色分为9个等级。如果不满意颜色，也可以替换。输入brewer.pal显示出多种颜色替换方案，如Greens，Greys，Oranges等单一颜色，也可以是多色渐变，如PuBuGn，RdYlBu，YlGnBu，YlOrRd等。

drows1 <- "euclidean"dcols1 <- "euclidean" 距离度量的方法分别赋值给聚类的行和列，符合Pearson相关分析的"correlation"，dist函数支持的所有距离度量包括"euclidean", "maximum", "manhattan", "canberra","binary", "minkowski"。如果该值是上述值，则假定为距离矩阵。生成heatmap图有以下两个方案，首先利用pheatmap函数看一下大概的效果，

方案1

pheatmap(data,cluster_cols=FALSE,clustering_distance_row="correlation",clustering_method="complete",color=colorRampPalette(c("green","black","red"))(100),scale="row", margins=c(5,10),fontsize_row=8,cellheight=10, cellwidth=30)

cluster_cols表示是否双向聚类，值可以是FALSE或TRUE

clustering_distance_row表示行距离度量的方法

clustering_method 表示聚类方法，值可以是hclust的任何一种，如"ward.D","single", "complete", "average", "mcquitty", "median", "centroid", "ward.D2"。color 表示颜色，赋值渐变颜色调色板colorRampPalette属性，选择“绿，黑，红”渐变，分为100个等级

sclae表示值集中的方向按照行或列，或者没有，值可以是"row", "column" 或者"none"

margins表示页边空白的大小

fointsize表示每一行的字体大小

cellheight表示每个单元格的高度

cellwidth表示每个单元格的宽度

方案2

hm.parameters <- list(data, color = col.pal,cellwidth = 15, cellheight = 12, scale = "none",treeheight_row = 200,kmeans_k = NA,show_rownames = T, show_colnames = T,main = "Full heatmap (avg, eucl, unsc)",clustering_method = "average",cluster_rows = TRUE, cluster_cols = TRUE,clustering_distance_rows = drows1, clustering_distance_cols = dcols1)

color 表示颜色，赋值之前定义的col.pal属性，“YlOrBr”颜色，也就是Yl黄色，Or橙色，Br蓝色的过度。

cellwidth表示每个单元格的宽度

cellheight表示每个单元格的高度

sclae表示值集中的方向按照行或列，或者没有，值可以是"row", "column" 或者"none"

treeheight_row表示200行的数值用于聚类构建heatmap图，默认为50，类似的参数还有treeheight_col表示列

kmeans_k表示kmeans聚类的个数，如果要用全部数据绘制heatmap图，那么输入NA

show_rownames表示显示行名

show_colnames表示显示列名

main表示heatmap图的title

clustering_method 表示聚类方法，值可以是hclust的任何一种，如"ward.D","single", "complete", "average", "mcquitty", "median", "centroid", "ward.D2"。

cluster_rows表示以行聚类，值可以是FALSE或TRUE

cluster_cols表示以列聚类，值可以是FALSE或TRUE

clustering_distance_rows表示行距离度量的方法，赋值为之前定义的drows1

clustering_distance_cols表示列距离度量的方法，赋值为之前定义的dcols1do.call("pheatmap", hm.parameters)

这里用到的是参数模式hm.parameters，最后do.call参数运行pheatmap函数 filename <- "my.pheatmap.pdf" #导出文件名outfile <- paste(basedir, filename, sep="/") #导出文件的路径do.call("pheatmap", c(hm.parameters, filename=outfile)) #做图并按路径导出文件如果需要导出文件，只需要加入上面这几行代码即可。