利用R语言heatmap.2函数进行聚类并画热图

  • A+
所属分类:Script

数据聚类然后展示聚类热图是生物信息中组学数据分析的常用方法,在R语言中有很多函数可以实现,譬如heatmap,kmeans等,除此外还有一个用得比较多的就是heatmap.2。最近在网上看到一个笔记文章关于《一步一步学heatmap.2函数》,在此与大家分享。由于原作者不详,暂未标记来源,请原作者前来认领哦,O(∩_∩)O哈哈~

数据如下:

library(gplots)
data(mtcars)
x <- as.matrix(mtcars)
rc <- rainbow(nrow(x), start=0, end=.3)
cc <- rainbow(ncol(x), start=0, end=.3)

利用R语言heatmap.2函数进行聚类并画热图

X就是一个矩阵,里面是我们需要画热图的数据。

Rc是一个调色板,有32个颜色,渐进的

Cc也是一个调色板,有11个颜色,也是渐进的

首先画一个默认的图:

heatmap.2(x)

利用R语言heatmap.2函数进行聚类并画热图

然后可以把聚类数可以去掉:就是控制这个dendrogram参数

heatmap.2(x, dendrogram="none")

利用R语言heatmap.2函数进行聚类并画热图

然后我们控制一下聚类树

heatmap.2(x, dendrogram="row") # 只显示行向量的聚类情况
heatmap.2(x, dendrogram="col") #只显示列向量的聚类情况

 

下面还是在调控聚类树,但是我没看懂跟上面的参数有啥子区别!

heatmap.2(x, keysize=2) ## default - dendrogram plotted and reordering done.
heatmap.2(x, Rowv=FALSE, dendrogram="both") ## generate warning!
heatmap.2(x, Rowv=NULL, dendrogram="both") ## generate warning!
heatmap.2(x, Colv=FALSE, dendrogram="both") ## generate warning!

接下来我们可以调控行列向量的label的字体大小方向

首先我们调控列向量,也就是x轴的label

heatmap.2(x, srtCol=NULL)
heatmap.2(x, srtCol=0, adjCol = c(0.5,1) )
heatmap.2(x, srtCol=45, adjCol = c(1,1) )
heatmap.2(x, srtCol=135, adjCol = c(1,0) )
heatmap.2(x, srtCol=180, adjCol = c(0.5,0) )
heatmap.2(x, srtCol=225, adjCol = c(0,0) ) ## not very useful
heatmap.2(x, srtCol=270, adjCol = c(0,0.5) )
heatmap.2(x, srtCol=315, adjCol = c(0,1) )
heatmap.2(x, srtCol=360, adjCol = c(0.5,1) )

利用R语言heatmap.2函数进行聚类并画热图

然后我们调控一下行向量,也就是y轴的label

heatmap.2(x, srtRow=45, adjRow=c(0, 1) )
heatmap.2(x, srtRow=45, adjRow=c(0, 1), srtCol=45, adjCol=c(1,1) )
heatmap.2(x, srtRow=45, adjRow=c(0, 1), srtCol=270, adjCol=c(0,0.5) )

利用R语言heatmap.2函数进行聚类并画热图

设置 offsetRow/offsetCol 可以把label跟热图隔开!

## Show effect of offsetRow/offsetCol (only works when srtRow/srtCol is 
## not also present) heatmap.2(x, offsetRow=0, offsetCol=0)
heatmap.2(x, offsetRow=1, offsetCol=1) 
heatmap.2(x, offsetRow=2, offsetCol=2) 
heatmap.2(x, offsetRow=-1, offsetCol=-1) 
heatmap.2(x, srtRow=0, srtCol=90, offsetRow=0, offsetCol=0)
heatmap.2(x, srtRow=0, srtCol=90, offsetRow=1, offsetCol=1)
heatmap.2(x, srtRow=0, srtCol=90, offsetRow=2, offsetCol=2)
heatmap.2(x, srtRow=0, srtCol=90, offsetRow=-1, offsetCol=-1)

利用R语言heatmap.2函数进行聚类并画热图

## Show effect of z-score scaling within columns, blue-red color scale 
hv <- heatmap.2(x, col=bluered, scale="column", tracecol="#303030")

hv是一个热图对象!!!

> names(hv) # 可以看到hv对象里面有很多子对象
> "rowInd" "colInd" "call" "colMeans" "colSDs" "carpet" "rowDendrogram" "colDendrogram" "breaks" "col" "vline" "colorTable" ## Show the mapping of z-score values to color bins hv$colorTable

利用R语言heatmap.2函数进行聚类并画热图

## Extract the range associated with white 我们得到了热图的颜色的数值映射矩阵,接下来就可以进行一系列的操作~!!!
hv$colorTable[hv$colorTable[,"color"]=="#FFFFFF",]

利用R语言heatmap.2函数进行聚类并画热图

首先得到了白色所对应的数值区间!

然后还可以通过一下命令,直接求出属于白色区间的那些数值。

whiteBin <- unlist(hv$colorTable[hv$colorTable[,"color"]=="#FFFFFF",1:2]) 
rbind(whiteBin[1] * hv$colSDs + hv$colMeans, whiteBin[2] * hv$colSDs + hv$colMeans )

利用R语言heatmap.2函数进行聚类并画热图

调整scale参数选择按照列还是行来进行数据的标准化

heatmap.2(x, col=bluered, scale="column", tracecol="#303030")

利用R语言heatmap.2函数进行聚类并画热图

heatmap.2(x, col=bluered, scale="row", tracecol="#303030")

利用R语言heatmap.2函数进行聚类并画热图

如果选择了标准化,那么还可以手工调整标准化的参数:

rowMeans, rowSDs
mean and standard deviation of each row: only present if scale="row"
colMeans, colSDs
mean and standard deviation of each column: only present if scale="column"

通过hclustfun参数来调整聚类方法:参考:怎样在heatmap中使用多种cluster方法

Cluster_Method<-c( "ward", "single", "complete", "average", "mcquitty", "median", "centroid")
#R语言里面自带的hclust函数共有7种聚类方法
for (i in 1:length(Cluster_Method)){
 #make a function to extract the cluster method
 myclust<-function(x){
 hclust(x,method=Cluster_Method[i])
 }
 #make heatmap by jpeg
 jpeg(filename=paste(Cluster_Method[i],'.jpg'),width=1024,height=728)
 heatmap.2(as.matrix(Data_Top1k_Var),
 trace='none',
 hclustfun=myclust,
 labRow=NA,
 ColSideColors=c('black',grey(0.4),'lightgrey')[as.factor(CellLine_Anno$Type)],
 xlab='CellLines',
 ylab='Probes',
 main=Cluster_Method[i],
 col=greenred(64))
 dev.off()
}

 

这样就可以一下子把七种cluster的方法依次用到heatmap上面来。而且通过对cluster树的比较,我们可以从中挑选出最好、最稳定到cluster方法,为后续分析打好基础!

 

对下面这个数据聚类:

利用R语言heatmap.2函数进行聚类并画热图

require(graphics)
hc <- hclust(dist(USArrests), "ave")
plot(hc)

利用R语言heatmap.2函数进行聚类并画热图

首先对一个数据框用dist函数处理得到一个dist对象!

利用R语言heatmap.2函数进行聚类并画热图

Dist对象比较特殊,专门为hclust函数来画聚类树的!

利用R语言heatmap.2函数进行聚类并画热图

ybzhao

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

目前评论:2   其中:访客  2   博主  0

    • JImmy JImmy 1

      最近在网上看到一个笔记文章关于《一步一步学heatmap.2函数》,在此与大家分享。由于原作者不详,暂未标记来源,请原作者前来认领哦!
      你们不仅大量转载我的博客文章,连我没有公开的文章都先我一步发表了。

        • brown brown 0

          @JImmy heatmap.2(x, dendrogram=”none”)
          Error in .External.graphics(C_layout, num.rows, num.cols, mat, as.integer(num.figures), :
          invalid graphics state
          这个是怎么回事?