Jump to。。。

熱圖繪製

生成測試資料

轉換資料格式

分解繪圖

圖形儲存

生信寶典，一起換個角度學生信

熱圖繪製

熱圖是做分析時常用的展示方式，簡單、直觀、清晰。可以用來顯示基因在不同樣品中表達的高低、表觀修飾水平的高低等。任何一個

數值矩陣

都可以透過合適的方式用熱圖展示。

本篇使用R的

ggplot2

包實現從原始資料讀入到熱圖輸出的過程，並在教程結束後提供一份封裝好的

命令列

繪圖工具，只需要提供矩陣，即可一鍵繪圖。

上一篇講述了Rstudio的使用作為R寫作和編譯環境的入門，後面的命令都可以複製到Rstudio中執行，或寫成一個R指令碼，使用

Rscript heatmap。r

執行。我們還提供了Bash的封裝，在不修改R指令碼的情況下，改變引數繪製出不同的圖形。

生成測試資料

繪圖首先需要資料。透過生成一堆的向量，轉換為矩陣，得到想要的資料。

data <- c（1：6，6：1，6：1，1：6， （6：1）/10，（1：6）/10，（1：6）/10，（6：1）/10，1：6，6：1，6：1，1：6， 6：1，1：6，1：6，6：1）

［1］ 1。0 2。0 3。0 4。0 5。0 6。0 6。0 5。0 4。0 3。0 2。0 1。0 6。0 5。0 4。0 3。0 2。0 1。0 1。0

［20］ 2。0 3。0 4。0 5。0 6。0 0。6 0。5 0。4 0。3 0。2 0。1 0。1 0。2 0。3 0。4 0。5 0。6 0。1 0。2

［39］ 0。3 0。4 0。5 0。6 0。6 0。5 0。4 0。3 0。2 0。1 1。0 2。0 3。0 4。0 5。0 6。0 6。0 5。0 4。0

［58］ 3。0 2。0 1。0 6。0 5。0 4。0 3。0 2。0 1。0 1。0 2。0 3。0 4。0 5。0 6。0 6。0 5。0 4。0 3。0

［77］ 2。0 1。0 1。0 2。0 3。0 4。0 5。0 6。0 1。0 2。0 3。0 4。0 5。0 6。0 6。0 5。0 4。0 3。0 2。0

［96］ 1。0

注意：

運算子

的優先順序。

> 1：3+4

［1］ 5 6 7

> （1：3）+4

［1］ 5 6 7

> 1：（3+4）

［1］ 1 2 3 4 5 6 7

Vector轉為矩陣 （matrix），再轉為資料框 （data。frame）。

# ncol： 指定列數

# byrow： 先按行填充資料

# ？matrix 可檢視函式的使用方法

# as。data。frame的as系列是轉換用的

data <- as。data。frame（matrix（data， ncol=12， byrow=T））

V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12

1 1。0 2。0 3。0 4。0 5。0 6。0 6。0 5。0 4。0 3。0 2。0 1。0

2 6。0 5。0 4。0 3。0 2。0 1。0 1。0 2。0 3。0 4。0 5。0 6。0

3 0。6 0。5 0。4 0。3 0。2 0。1 0。1 0。2 0。3 0。4 0。5 0。6

4 0。1 0。2 0。3 0。4 0。5 0。6 0。6 0。5 0。4 0。3 0。2 0。1

5 1。0 2。0 3。0 4。0 5。0 6。0 6。0 5。0 4。0 3。0 2。0 1。0

6 6。0 5。0 4。0 3。0 2。0 1。0 1。0 2。0 3。0 4。0 5。0 6。0

7 6。0 5。0 4。0 3。0 2。0 1。0 1。0 2。0 3。0 4。0 5。0 6。0

8 1。0 2。0 3。0 4。0 5。0 6。0 6。0 5。0 4。0 3。0 2。0 1。0

# 增加列的名字

colnames（data） <- c（“Zygote”，“2_cell”，“4_cell”，“8_cell”，“Morula”，“ICM”，“ESC”，“4 week PGC”，“7 week PGC”，“10 week PGC”，“17 week PGC”， “OOcyte”）

# 增加行的名字

# 注意paste和paste0的使用

rownames（data） <- paste（“Gene”， 1：8， sep=“_”）

# 只顯示前6行和前4列

head（data）［，1：4］

Zygote 2_cell 4_cell 8_cell

Gene_1 1。0 2。0 3。0 4。0

Gene_2 6。0 5。0 4。0 3。0

Gene_3 0。6 0。5 0。4 0。3

Gene_4 0。1 0。2 0。3 0。4

Gene_5 1。0 2。0 3。0 4。0

Gene_6 6。0 5。0 4。0 3。0

雖然方法比較繁瑣，但一個數值矩陣已經獲得了。

還有另外2種獲取數值矩陣的方式。

讀入

字串

# 使用字串的好處是不需要額外提供檔案

# 簡單測試時可使用，寫起來不繁瑣，又方便重複

# 尤其適用於線上提問時作為測試案例

> txt <- “ID；Zygote；2_cell；4_cell；8_cell

+ Gene_1；1；2；3；4

+ Gene_2；6；5；4；5

+ Gene_3；0。6；0。5；0。4；0。4”

# 習慣設定quote為空，避免部分基因名字或註釋中存在引號，導致讀入檔案錯誤。

# 具體錯誤可檢視 http：//blog。genesino。com/collections/R_tips/ 中的記錄

> data2 <- read。table（text=txt，sep=“；”， header=T， row。names=1， quote=“”）

> head（data2）

Zygote X2_cell X4_cell X8_cell

Gene_1 1。0 2。0 3。0 4。0

Gene_2 6。0 5。0 4。0 5。0

Gene_3 0。6 0。5 0。4 0。4

可以看到列名字中以數字開頭的列都加了

X

。一般要儘量避免行或列名字以

數字開頭

，會給後續分析帶去一些困難；另外名字中出現的非字母、數字、

下劃線

、點的字元都會被轉為

點

，也需要注意，儘量只用字母、下劃線和數字。

# 讀入時，增加一個引數`check。names=F`也可以解決問題。

# 這次數字前沒有再加 X 了

> data2 <- read。table（text=txt，sep=“；”， header=T， row。names=1， quote=“”， check。names = F）

> head（data2）

Zygote 2_cell 4_cell 8_cell

Gene_1 1。0 2。0 3。0 4。0

Gene_2 6。0 5。0 4。0 5。0

Gene_3 0。6 0。5 0。4 0。4

讀入檔案

與上一步類似，只是改為檔名，不再贅述。

> data2 <- read。table（“filename”，sep=“；”， header=T， row。names=1， quote=“”）

轉換資料格式

資料讀入後，還需要一步格式轉換。在使用ggplot2作圖時，有一種長表格模式是最為常用的，尤其是資料不規則時，更應該使用 （這點，我們在講解箱線圖時再說）。

# 如果包沒有安裝，執行下面一句，安裝包

#install。packages（c（“reshape2”，“ggplot2”））

library（reshape2）

library（ggplot2）

# 轉換前，先增加一列ID列，儲存行名字

data$ID <- rownames（data）

# melt：把正常矩陣轉換為長表格模式的函式。工作原理是把全部的非id列的數值列轉為1列，命名為value；所有字元列轉為variable列。

# id。vars 列用於指定哪些列為id列；這些列不會被merge，會保留為完整一列。

data_m <- melt（data， id。vars=c（“ID”））

head（data_m）

ID variable value

1 Gene_1 Zygote 1。0

2 Gene_2 Zygote 6。0

3 Gene_3 Zygote 0。6

4 Gene_4 Zygote 0。1

5 Gene_5 Zygote 1。0

6 Gene_6 Zygote 6。0

7 Gene_7 Zygote 6。0

8 Gene_8 Zygote 1。0

9 Gene_1 2_cell 2。0

10 Gene_2 2_cell 5。0

11 Gene_3 2_cell 0。5

12 Gene_4 2_cell 0。2

13 Gene_5 2_cell 2。0

14 Gene_6 2_cell 5。0

15 Gene_7 2_cell 5。0

16 Gene_8 2_cell 2。0

分解繪圖

資料轉換後就可以畫圖了，分解命令如下：

# data_m： 是前面費了九牛二虎之力得到的資料表

# aes： aesthetic的縮寫，一般指定整體的X軸、Y軸、顏色、形狀、大小等。

# 在最開始讀入資料時，一般只指定x和y，其它後續指定

p <- ggplot（data_m， aes（x=variable，y=ID））

# 熱圖就是一堆方塊根據其值賦予不同的顏色，所以這裡使用fill=value， 用數值做填充色。

p <- p + geom_tile（aes（fill=value））

# ggplot2為圖層繪製，一層層新增，儲存在p中，在輸出p的內容時才會出圖。

p

## 如果你沒有使用Rstudio或其它R圖形版工具，而是在遠端登入的伺服器上執行的互動式R，需要輸入下面的語句，獲得輸出圖形 （圖形儲存於R的工作目錄下的Rplots。pdf檔案中）。

## 如何指定輸出，後面會講到。

#dev。off（）

熱圖出來了，但有點不對勁，

橫軸

重疊一起了。一個辦法是調整影象的寬度，另一個是旋轉

橫軸標記

。

# theme： 是處理圖美觀的一個函式，可以調整橫縱軸label的選擇、圖例的位置等。

# 這裡選擇X軸標籤45度。

# hjust和vjust調整標籤的相對位置，具體見 。

# 簡單說，hjust是水平的對齊方式，0為左，1為右，0。5居中，0-1之間可以取任意值。vjust是

垂直對齊

方式，0底對齊，1為頂對齊，0。5居中，0-1之間可以取任意值。

p <- p + theme（axis。text。x=element_text（angle=45，hjust=1， vjust=1））

p

設定想要的顏色。

# 連續的數字，指定最小數值代表的顏色和最大數值賦予的顏色

# 注意fill和color的區別，fill是填充，color只針對邊緣

p <- p + scale_fill_gradient（low = “white”， high = “red”）

p

調整legend的位置。

# postion可以接受的值有 top， bottom， left， right， 和一個座標 c（0。05，0。8） （左上角，座標是相對於圖的左下角計算的）

p <- p + theme（legend。position=“top”）

調整背景和背景格線以及X軸、Y軸的標題。

p <- p + xlab（“samples”） + theme_bw（） + theme（panel。grid。major = element_blank（）） + theme（legend。key=element_blank（））

p

合併以上命令，就得到了下面這個看似複雜的繪圖命令。

p <- ggplot（data_m， aes（x=variable，y=ID）） + xlab（“samples”） + theme_bw（） + theme（panel。grid。major = element_blank（）） + theme（legend。key=element_blank（）） + theme（axis。text。x=element_text（angle=45，hjust=1， vjust=1）） + theme（legend。position=“top”） + geom_tile（aes（fill=value）） + scale_fill_gradient（low = “white”， high = “red”）

圖形儲存

圖形出來了，就得考慮儲存了，

# 可以跟輸出檔案不同的字尾，以獲得不同的輸出格式

# colormode支援srgb （螢幕）和cmyk （列印，部分雜誌需要，看上去有點褪色的感覺）格式

ggsave（p， filename=“

heatmap。pdf

”， width=10，

height=15， units=c（“cm”），colormodel=“srgb”）

至此，完成了簡單的heatmap的繪圖。但實際繪製時，經常會碰到由於數值變化很大，導致顏色過於集中，使得圖的可讀性下降很多。因此需要對資料進行一些處理，具體的下次再說。

生信寶典，一起換個角度學生信

R語言學習 - 熱圖繪製 （heatmap）

R語言學習 - 基礎概念和矩陣操作

R語言學習 - 熱圖美化

R語言學習 - 熱圖簡化

RBIOINFOCHENTONG

版權宣告：本文為博主原創文章，轉載請註明出處。