• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • iheatmapr包:可交互的热图绘制方法

      iheatmapr包:可交互的热图绘制方法

      • 发布者 生信0~o-o
      • 分类 未分类
      • 日期 2020年5月14日
      • 评论 0评论

      转自:省心宝典

      在R中有许多用于绘制热图的包,今天介绍一个比较有意思的用于绘制热图的包,iheatmapr 包,这个包是用来绘制复杂的、且具有交互作用的热图。

      用iheatmapr包绘制得到的热图就是下方这样,不仅能够反应多种信息,还具有交互功能。

      这个热图中包含8个信息:

      • 样本的相关性矩阵热图;
      • 按列的聚类关系;
      • 按行的聚类关系;
      • 样本聚类模式的颜色注释;
      • 每个样本最低和最高浓度的颜色注释;
      • 样本自身分组的颜色注释;
      • 每个样本真实药物处理实际过程的热图;
      • 平均药物浓度随着时间变化的散点图。

      iheatmapr包的安装(恒诺新知系统内可以免安装)

      使用实例

      首先要构造用于分析的绘图数据,这里使用datasets包内的Indometh作为示例。

      #载入绘图包
      library(iheatmapr)
      library(datasets)
      library(reshape2)
      #使用acast调用Indometh数据集中的内容
      Indometh_matrix <- acast(Indometh, Subject ~ time, value.var = "conc")
      Indometh_matrix <- Indometh_matrix[as.character(1:6),]
      rownames(Indometh_matrix) <- paste("Patient",rownames(Indometh_matrix))
      ##计算相关性矩阵
      Indometh_patient_cor <- cor(t(Indometh_matrix))
      ##取每个样本数据中的最大值和最小值
      patient_max_conc <- apply(Indometh_matrix,1,max)
      patient_min_conc <- apply(Indometh_matrix,1,min)
      ##给每个样本随机分配一个分组
      patient_groups <- c("A","A","B","A","B","A")

      绘制相关性矩阵热图

      example_heatmap <- main_heatmap(Indometh_patient_cor, name = "Correlation")
      example_heatmap

      可以使用colors参数修改颜色,colors = “RColorBrewer palettle/颜色名字”。

      main_heatmap(Indometh_patient_cor,
                   colors = "Pinks",
                   name = "Correlation")

      添加第二幅热图

      main_heatmap(Indometh_patient_cor, name = "Correlation") %>%
          add_main_heatmap(Indometh_matrix, name = "Indometacin<br>Concentration"

      如果name=相同名字的话,新添加的热图会与之前的热图共享相同的颜色。

      如果你想改变添加热图的位置,就使用side=c(“left”, “right”, “top”,”bottom”)。

      添加标签

      main_heatmap(Indometh_matrix, name="Correlation") %>%
        add_row_labels() %>%
        add_col_labels() %>%
        add_row_title("Patients", buffer=0.2) %>%
        add_col_title("Patients", buffer=0.1)

      buffer规定title文字与图之间的距离。

      添加聚类关系

      main_heatmap(Indometh_patient_cor) %>%
         add_row_clustering() %>%
                add_col_clustering()

      如果是希望以颜色表示样本的聚类关系,则需要先进行一个聚类,之后在手动进行负值。

      clust_assign <- kmeans(Indometh_matrix, 3)$cluster
      main_heatmap(Indometh_patient_cor) %>%
        add_row_clusters(clust_assign) %>%
        add_col_clusters(clust_assign)

      添加样本注释

      main_heatmap(Indometh_patient_cor) %>%
       add_row_annotation(data.frame("Max" = patient_max_conc,
                                  "Min" = patient_min_conc,
                                         "Groups" = c("A","A","B","B","A","A")),
                           colors = list("Max" = "Reds",
                                      "Min" = "Blues",
                                         "Groups" = c("purple","pink")))

      除了add_row_annotation,还可以使用add_row_signal和add_row_groups添加注释。

      main_heatmap(Indometh_patient_cor) %>%
      add_row_signal(patient_max_conc, "Max<br>Concentration", title = "Max", colors = "Reds") %>%
      add_row_signal(patient_min_conc, "Min<br>Concentration", title = "Min", colors = "Reds") %>%
      add_row_groups(c("A","A","B","B","A","A"), "Groups")

      写在后面

      到这里,我们已经分布讲解了文章开始出现的复杂热图中的大部分实现代码,下面给出一个完整的代码。

      main_heatmap(Indometh_patient_cor,name = "Correlation") %>%
        add_col_clustering() %>%
        add_row_clustering(k = 3) %>%
        add_row_title("Patients") %>%
        add_col_title("Patients") %>%
        add_row_annotation(data.frame("Max" = patient_max_conc,
                                      "Min" = patient_min_conc,
                                      "Groups" = patient_groups)) %>%
        add_main_heatmap(Indometh_matrix,
                         name = "Indometacin<br>Concentration") %>%
        add_col_labels() %>%
        add_col_title("Time") %>%
        add_col_summary()

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      生信0~o-o
      生信0~o-o

      上一篇文章

      用maftools一行代码画出瀑布图
      2020年5月14日

      下一篇文章

      视频|当你需要Rtools,但是下载又很慢
      2020年5月16日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?