R 聚类热图-数据的标准化

Posted 2023-03-20

参考技术A 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 https://blog.csdn.net/weixin_38706928/article/details/80329563

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。

R 数据可视化 —— 聚类热图 pheatmap

参考技术A 在前面的章节中，我们介绍了如何使用 ggplot2 绘制热图

ggplot2 绘制热图的方式很多，如 geom_raster 、 geom_tile 等

但通常仅仅绘制热图是不够的，还需要对数据进行聚类，即绘制聚类热图。

例如，最常用的就是将差异基因的表达值绘制聚类热图，来查看基因在不同样本中的表达差异情况，或者比较不同聚类分组之间的差异。

绘制聚类热图的包有很多，我们主要介绍 pheatmap 和 ComplexHeatmap

假设我们有如下数据

要绘制简单的热图，可以使用内置的 heatmap 函数

更改颜色，并为列添加列样本的分类颜色条

内置函数提供的样式较少，无法对某些图形属性进行设置。

所以下面我们使用 pheatmap 包来绘制热图

pheatmap 对图形属性提供了更精细的控制

这样看起来怪怪的，应该是基因的表达量差异，所以对行进行标准化

嗯，一下子就顺眼多了，实验组和对照组的基因表达量差别明显

默认情况下，会对数据的行列分别进行层次聚类，如果我们想在进行层次聚类之前，先对行特征，也就是基因进行 k-means 聚类，我们可以

先将基因聚为 3 类，再进行层次聚类

如果只想对其中行列中的一个进行聚类，可以使用 cluster_rows 和 cluster_cols 参数，取消对行或列的距离

默认的距离度量为欧氏距离，也可以分别为行列指定不同的距离度量，例如

也可以使用 clustering_method 参数来指定不同的聚类方法，支持以下几种方法：

图例的设置很简单，即通过 legend_breaks 参数设置断点， legend_labels 参数设置断点处的标签

如果不想显示图例，直接设置 legend = F 就行

设置边框颜色

删除边框

默认情况下，单元格的长度和宽度会根据图片的大小自动调整，如果想固定单元格的大小，可以使用 cellwidth 和 cellheight 两个参数

如果我们想在单元格中显示对于的数值，可以设置 display_numbers = TRUE

对显示的数值进行格式化

或者，为 display_numbers 参数传递一个矩阵

例如，根据表达值是否大于 100 来显示不同的标记

在不对数据进行聚类的情况下，可以对行列进行自定义划分为不同的块

或者只对行或列进行分块

总之，只能对未聚类的行或列进行分块

或者，根据层次聚类的结果，对数据进行分块

使用 main 参数来设置图像的标题

可以使用 show_colnames 和 show_rownames 不显示标签

分别设置标签的大小，同时设置列标签的倾斜角度，可选的角度有 270、0、45、90、315

也可以使用 fontsize 参数统一行列标签的大小

也可以自定义行列标签

我们可以分别为行和列构建分组信息，例如对于行是基因，可以将其分为癌基因和抑癌基因等，而列为样本可以分为癌症和配对正常样本，同时样本对应的患者应该会有年龄性别等信息

例如

我们可以将这些信息以颜色条的方式添加到图中

隐藏图例

我们可以回去 pheatmap 函数返回的对象的信息

可以看到，返回对象 p 中包含 4 个变量，我们可以根据 tree_row 和 tree_col 提取出对应的行列顺序

提取这些信息有助于我们对数据进行分组，用于后续分析

参数列表

数据：
https://github.com/dxsbiocc/learn/blob/main/data/RPKM_DEG.csv