微生信在线作图聚类热图计算-生信热图怎么看结果

最近一直在学习转录组分析,在绘制差异表达基因热图的时候遇到了个坑?我发现的做出来的热图和别人不一样。如下图所示,图1是我的,图2是别人家的。

怎么解决呢?直接取对数吗?

如果对表达量去一下log10,发现10000变成了4,10变成了1,这样之前离散程度很大的数据就被集中了。

聚类分析中均一化是如何计算的?

表达矩阵每行数据的各个数值减去每行数据的均值,再除以每行数据的标准差。

详细的数据规范化(归一化)、及Z-score标准化可参考教程

关于R环境搭建可参考教程, 【R语言入门】R语言环境搭建 -

绘制热图

通过一些数学函数,将原始值进行映射。该方法包括log、指数、正切等。当变量是正偏态分布的时候,选用log对数。是否取对数可根据自己的需求。

ps:生信小白一枚。内容仅供参考,和谐交流 ,欢迎大佬指导,也欢迎大家一起学习。

热图(heatmap)在生信领域基本就是常规操作,基本技能,入门操作。能画热图的工具也有很多,我自己常用的R包是pheatmap。

最近经常看见环状的热图,所以就搜了一下资料学习一下,测试一下。

环状热图我也经常会在论文中看到,用法和热图相同,但更适合于需要展示较多基因(数据)时来使用。

===安装=====

("circlize")

("ComplexHeatmap")

library('ComplexHeatmap')

library('circlize')

===测试===

data<-("",header=T,=1)

head(data)

//转化为矩阵并对其进行归一化

madt<-(data)

madt2<-t(scale(t(madt)))

Heatmap(madt2)     //这就是默认参数,普通的热图

range(madt2)   //查看值的分布

mycol=colorRamp2(c(-1.7, 0.3, 2.3),c("blue", "white", "red")) //定义颜色范围

(madt2,col=mycol)  //默认参数

注:

()  //绘制完成后需要使用此函数完全清除布局

(=c(50))    //

调整圆环首尾间的距离,数值越大,距离越宽

(madt2,col=mycol, ="inside",="outside",="black",=0.9,=1,cluster=TRUE)

注::控制行聚类树的方向,inside为显示在圆环内圈,outside为显示在圆环外圈

#:控制矩阵行名的方向,与相同;但注意二者不能在同一侧,必须一内一外

#cluster=TRUE为对行聚类,cluster=FALSE则不显示聚类

下面是换了inside和outside的结果:

===聚类树的调整和美化(需要用到两个别的包)===

("dendextend")     //改颜色

("dendsort")          //聚类树回调

library(dendextend)

library(dendsort)

(=c(50))

(madt2,col=mycol,="inside",="outside",=0.38,="black",=0.9,=1,cluster=TRUE,=0.18,=function(dend,m,si){color_branches(dend,k=15,col=1:15)})

注::轨道的高度,数值越大圆环越粗  :调整行聚类树的高度  :用于聚类树的回调,当需要对聚类树进行重新排序,或者添加颜色时使用

包含的三个参数:dend:当前扇区的树状图;m:当前扇区对应的子矩阵;si:当前扇区的名称   color_branches():修改聚类树颜色

()

//添加图例标签等

lg=Legend(title="Exp",col_fun=mycol,direction= c("vertical"))

(lg)

//添加列名

(=(),=function(x,y)

{

if(CELL_META$==1)

{

cn=colnames(madt2)

n=length(cn)

(rep(CELL_META$[2],n)+convert_x(0.3,"mm"), //x坐标

4.1+(1:n)*0.7, //y坐标和间距

cn,cex=0.8,adj=c(0,1),facing="inside")

}

},=NA)

mycol2=colorRamp2(c(-1.7, 0.5, 2.3),c("#57ab81", "white", "#ff9600"))

也可以更改上面的颜色,从而改变热图的配色:

===分组热图绘制========

#()内只能是一个矩阵,但如果矩阵数据存在分组,可以用split参数来指定分类变量

split = sample(letters[1:2], 40, replace = TRUE)

split = factor(split, levels = letters[1:2])

()

(=c(22))

(madt2,col=mycol,split=split,="inside",="outside", = 0.38,

="black",=0.9,

=1,

cluster=TRUE,

=0.18,

=function(dend,m,si)

{

color_branches(dend,k=15,col=1:15)

}

)

//假设有两个热图的矩阵数据

madt2<-t(scale(t(madt)))

madt3<-t(scale(t(madt)))

split2 = sample(letters[1:2], 40, replace = TRUE)

split2 = factor(split2, levels = letters[1:2])

()

(=c(8))

(madt2,col=mycol2,split=split2,="outside",

cluster=TRUE,

=0.2,

=function(dend,m,si) {

color_branches(dend,k=15,col=1:15)

}

)

(madt3, col = mycol,="inside",=0.8)

生信热图相关系数情况:

绝对值在0.8 以上:强相关

绝对值在0.5-0.8:中等程度相关

绝对值在0.3-0.5: 相关程度一般

绝对值在0.3 以下:弱或者不相关