主要步驟

pheatmap

• 數據處理成矩陣形式，給行名列名
• 用pheatmap畫熱圖（pheatmap函數內部用hclustfun 進行聚類）

ggplot2

• 數據處理成矩陣形式，給行名列名
• hclust聚類，改變矩陣行列順序為聚類后的順序
• melt數據，處理成ggplot2能夠直接處理的數據結構，并加上列名
• ggplot_tile進行畫圖

gplots

• 數據處理成矩陣形式，給行名列名
• 調制顏色并用heatmap.2畫熱圖（heatmap.2函數內部用hclustfun 進行聚類）

R語言代碼

library(pheatmap) library(data.table) CN_DT <- fread("/home/ywliao/project/Gengyan/ONCOCNV_result/ONCOCNV_all_result.txt",sep="\t") dt <- CN_DT[cfDNATime=="cfDNA1"] wdt <- dcast(dt,Gene~Sample,value.var = "CN",fun.aggregate = mean) data <- as.matrix(wdt[,2:length(wdt),with=F]) #數據矩陣 rownames(data) <- unlist(wdt[,1]) pheatmap(data) library(ggplot2) library(data.table) CN_DT <- fread("/home/ywliao/project/Gengyan/ONCOCNV_result/ONCOCNV_all_result.txt",sep="\t") dt <- CN_DT[cfDNATime=="cfDNA1"] wdt <- dcast(dt,Gene~Sample,value.var = "CN",fun.aggregate = mean) data <- as.matrix(wdt[,2:length(wdt),with=F]) #數據矩陣 rownames(data) <- unlist(wdt[,1]) hc<-hclust(dist(data),method = "average") #對行進行聚類 rowInd<-hc$order #將聚類后行的順序存為rowInd hc<-hclust(dist(t(data)),method = "average") #對矩陣進行轉置，對原本的列進行聚類 colInd<-hc$order #將聚類后列的順序存為colInd data<-data[rowInd,colInd] #將數據按照聚類結果重排行和列 dp=melt(data) #對數據進行融合，適應ggplot的數據結構，以進行熱圖的繪制 colnames(dp) <- c("Gene","Sample","Value") p <- ggplot(dp, aes(Sample,Gene)) + geom_tile(aes(fill = as.factor(Value)))+theme(axis.text.x=element_text(angle = 90))+ guides(fill = guide_legend(title = "Copy Number")) + scale_fill_brewer(palette = 3) p

library(gplots) library(data.table) CN_DT <- fread("/home/ywliao/project/Gengyan/ONCOCNV_result/ONCOCNV_all_result.txt",sep="\t") dt <- CN_DT[cfDNATime=="cfDNA1"] wdt <- dcast(dt,Gene~Sample,value.var = "CN",fun.aggregate = mean) dp <- as.matrix(wdt[,2:length(wdt),with=F]) #數據矩陣labrow <- unlist(wdt[,1,with=F]) #行名 colorsChoice<- colorRampPalette(c("green","black","red")) #調制顏色heatmap.2(dp,labRow = labrow,col=colorsChoice(5),breaks = c(1,1.5,2,2.5,3,4),density.info="histogram",hclustfun = function(c)hclust(c,method="average"),keysize = 1.5, cexRow=0.5,trace = "none");

轉載于:https://www.cnblogs.com/ywliao/p/7061418.html

總結

以上是生活随笔為你收集整理的pheatmap, gplots heatmap.2和ggplot2 geom_tile实现数据聚类和热图plot的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。