热图是科研论文中一种常见的可视化手段，因其丰富的色彩变化和饱满的信息涵盖量，往往是一篇文章中最引人注目的所在之一。上至
CNS 顶刊，下至1到 2分小文，可以说热图无处不在，堪称文章C位。如何做出一张完美的热图，是居家旅行（科研写作），拜访亲朋好友（征服
editor和reviewer 的心）必备技能。本次教程，我们将为大家详细讲述如何使用R语言绘制高大上的热图。

什么是热图，比如上图是来源于两篇 CNS 级别文章中截取下来的主图，一眼看去，一张合格的热图主要由四大部分组成，一个是像浴室瓷砖一样的小色块铺成的色板，也可以称作热图本身，是热图必不可少的部分，一个是色板上面的聚类树，一个是色板和聚类树中间附注，用来标注样本的信息，最后一个便是标注色板的颜色变化尺。

热图的本质是表现数值矩阵，色板中的每个方格都是一个数值，按照色彩变化尺的要求，根据数值大小显示出不同颜色。在生物医学领域的文章中，热图通常用来以样本为列，基因等实验得到的表型数值为行，用来展示不同组别/样本之间的差异。

好了，理论知识就介绍到这里，接下来就直接上干货啦~

本次教程介绍 pheatmap 这个 R 包，此包功能强大，制作热图方便给力。

1. pheatmap包安装及加载

我们先在R上安装pheatmap这个包，首先打开Rstudio。

2. 实战演练

pheatmap包的数据输入是一个矩阵(matrix)，我们先读入基因表达谱数据 expression.txt。

使用 head函数查看文件，expression.txt 文件中一共包含10个样本，50个基因，其中每一列为一个样本，每一行为一个基因

比如第一行第一列数据，代表M1样本中GBP4的表达量，直接使用pheatmap(data)，便可以得到一张热图。

这样，一张热图就出来啦~

如果我们要修改热图的颜色，只需要使用color这个参数就可以啦。这里给大家推荐一个网址，https://www.bootcss.com/p/websafecolors/，里面有非常多的颜色可供选择。使用color颜色更改颜色变化尺之后的热图会更好看啦。我们可以参考文章中的绘图颜色，这样会让我们的热图更富有视觉效果。

color.key是我们构建的颜色变化尺，以后只需要修改color.key的内容，就可以轻松搞定各种色图颜色了。

在科研做图过程中，有时候我们并不需要对基因或者样本进行聚类，那么如何调整热图中的聚类树呢，在pheatmap函数中，cluster_row参数可以控制基因的聚类，cluster_col可以控制样本的聚类。比如将cluster_row设置为FALSE，那么基因就不会进行聚类运算了。

参考科研期刊中的文章热图，还有一个重要的部分，就是样本的附注，用来标注哪些样本是实验组，哪些样本是对照组。那么如何实现在热图中添加标注呢？代码如下：

如此，一张热腾腾的热图就这么出炉啦~

转自：科研猫