常规热图示例
我们先来看看下面这张图,这是一篇发表在 PLoS Medicine (IF = 11.048) 上的文章图,来看 22 种免疫细胞群体之间的相关性,其中红色的颜色代表正相关,蓝色代表负相关。每一格的数字代表相关系数。这是一种经常会用到的图形,不同于常规热图。常规热图中的每行代表一个观察值,每列代表一个样本,而我们在本次教程中,将为大家带来更高级,也更美观的相关性热图。
相关性热图
Step 1: R 包安装和数据输入
首先是安装必须 R 包,在这里我们需要用到 ggcorplot 和 ggthemes 这两个R包。
然后我们读入R表达谱数据。
数据一共有 10 个样本和 20 个基因,每一行为一个基因,每一列为一个样本,我们需要看这 20 个基因在这 10 个样本中的共表达情况,也就是基因和基因之间的相关性。
Step 2: 相关性计算
为了表示基因与基因相关性,我们除了要计算它们的相关性系数,还需要计算体现其显著性的 P 值。
计算相关性系数并显示前 6 个基因之间的相关性。相关性系数大于 0 为正相关,小于 0 为负相关。
计算基因与基因之间的相关性 P 值,其中 P 小于 0.05 认为这两个基因之间相关性是显著的。
Step 3: 相关性热图绘制
使用 ggcorplot 绘制基因与基因之间相关性热图。
Step 4: 初级美化 Circle
美化第一步,我们将矩形热图改成圆形
是不是大家瞬间觉得眼前一亮?
Step 5: 中级美化 Clustering
虽然有所美观,但是,这样上面一张相关性热图还是存在问题的,大家是否发现热图中的点非常乱,让人没办法捕捉到其中的规律,不容易让人一眼抓住重点。所以,我们要对基因进行聚类。
这张热图,已经是非常漂亮了,放在文章中绝对让人眼睛一亮,正相关负相关基因清清楚楚。
Step 6: 高级美化 Triangle
当然,我们还可以进一步改善。因为相关性之间其实是有对称在的,左上角和右下角的图其实是一样的,这样绘制比较占版面。只绘制左上角的热图,可以让我们的图看起来没有那么臃肿。
Step 7: 终级美化 Label
那么如何显示相关性强弱呢,虽然颜色和点的大小可以看出来,但是毕竟没有那么直观。所以我们将相关性系数加上,并更改热图颜色。
这样基因相关性热图就相当完美了,可以直接放在文章图中,而且比 PLoS Medicine 那篇文章看起来更漂亮呢。
Step 8: 究级美化 Omit
不过,如果我们想知道哪些基因显著性是小于 0.05 的呢,虽然颜色和点的大小以及相关性系数可以看出来,但是如果被老板们问起,模棱两可的回答,可是相当危险的哦。所以,我们把显著性p值加上,并且直接隐藏 P 小于 0.05 的基因。
本文是个人笔记,请谨慎付费[星球用户可免费看]。
我们在分析了差异表达数据之后,经常要进行热图的可视化展示。
热图(Heat map) 是一个以 颜色 变化来显示数据的 矩阵 。虽然“热图”是一个新兴的词汇,但是用明暗的矩阵来标示元素的方法已经有超过一世纪的历史了。
热图源自于展示数据的平面图像,较大的数字以小的深灰色、黑色方格呈现,而较小的数字则以较亮的方格标示。如Toussaint Loua在1873年就曾使用这样的手法来绘制对 巴黎 各区的社会学统计。 [1] 彼得·斯伊斯在1957年时进行 群集分析 时也透过置换矩阵的行和列的方法将更相似的值标示在一起。雅克·贝尔坦也曾用过类似的方法标示出 累积量表 的资料。而将 阶层式分群法 加入到矩阵中的概念则是由罗伯特·F·林于1973年创造,他利用多次印刷堆叠出的字符来表示不同程度的灰色,将每个字符大小则视为一像素。利兰·威尔金森则是于1994年开发出了第一个能生成高分辨率的矩阵的计算机程序—SYSTAT。
软件设计师科尔马克·金尼则在1991年时注册了热图这个商标用以形容一种描绘金融市场信息的平面图形, [2] 但是取得了金尼发明的公司在2003年时不小心使得这个商标失效了 [3]