我們在分析了差異表達數據之後，經常要生成一種直觀圖－－熱圖(heatmap)。這一節就以基因芯片數據爲例，示例生成高品質的熱圖。
比如
鋼藍漸白配色的熱圖
首先還是從最簡單的heatmap開始。
> library(ggplot2) > library(ALL) #可以使用biocLite("ALL")安裝該數據包 > data("ALL") > library(limma) > eset<-ALL[,ALL$mol.biol %in% c("BCR/ABL","ALL1/AF4")] > f<-factor(as.character(eset$mol.biol)) > design<-model.matrix(~f) > fit<-eBayes(lmFit(eset,design)) #對基因芯片數據進行分析，得到差異表達的數據 > selected <- p.adjust(fit$p.value[, 2]) <0.001 > esetSel <- eset[selected,] #選擇其中一部分繪製熱圖 > dim(esetSel) #從這尺度上看，數目並不多，但也不少。如果基因數過多，可以分兩次做圖。 Features Samples 84 47 > library(hgu95av2.db) > data<-exprs(esetSel) > probes<-rownames(data) > symbol<-mget(probes,hgu95av2SYMBOL,ifnotfound=NA) > symbol<-do.call(rbind,symbol) > symbol[is.na(symbol[,1]),1]<-rownames(symbol)[is.na(symbol[,1])] > rownames(data)<-symbol[probes,1] #給每行以基因名替換探針名命名，在繪製熱圖時直接顯示基因名。 > heatmap(data,cexRow=0.5) |
使用heatmap函數默認顏色生成的熱圖
這個圖有三個部分，樣品分枝樹圖和基因分枝樹圖，以及熱圖本身。之所以對樣品進行聚類分析排序，是因爲這次的樣品本身並沒有分組。如果有分組的話，那麼可以關閉對樣品的聚類分析。對基因進行聚類分析排序，主要是爲了色塊好看，其實可以選擇不排序，或者使用GO聚類分析排序。上面的這種熱圖，方便簡單，效果非常不錯。
接下來我們假設樣品是分好組的，那麼我們想用不同的顏色來把樣品組標記出來，那麼我們可以使用ColSideColors參數來實現。同時，我們希望變更熱圖的漸變填充色，可以使用col參數來實現。
> color.map <- function(mol.biol) { if (mol.biol=="ALL1/AF4") "#FF0000" else "#0000FF" } > patientcolors <- unlist(lapply(esetSel$mol.bio, color.map)) > heatmap(data, col=topo.colors(100), ColSideColors=patientcolors, cexRow=0.5) |
使用heatmap函數top.colors填充生成的熱圖
在heatmap函數中，樣品分組只能有一種，如果樣品分組有多次分組怎麼辦？heatmap.plus就是來解決這個問題的。它們的參數都一致，除了ColSideColors和RowSideColors。heatmap使用是一維數組，而heatmap.plus使用的是字符矩陣來設置這兩個參數。
> library(heatmap.plus) > hc<-hclust(dist(t(data))) > dd.col<-as.dendrogram(hc) > groups <- cutree(hc,k=5) > color.map <- function(mol.biol) { if (mol.biol=="ALL1/AF4") 1 else 2 } > patientcolors <- unlist(lapply(esetSel$mol.bio, color.map)) > col.patientcol<-rbind(groups,patientcolors) > mode(col.patientcol)<-"character" > heatmap.plus(data,ColSideColors=t(col.patientcol),cexRow=0.5) |
使用heatmap.plus繪製熱圖
這樣繪圖的不足是沒有熱圖色key值。gplots中的heatmap.2爲我們解決了這個問題。而且它帶來了更多的預設填充色。下面就是幾個例子。
> library("gplots") > heatmap.2(data, col=redgreen(75), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) |
使用heatmap.2函數,readgreen漸變色填充生成的熱圖
> heatmap.2(data, col=heat.colors(100), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) > heatmap.2(data, col=terrain.colors(100), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) > heatmap.2(data, col=cm.colors(100), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) > heatmap.2(data, col=redblue(100), scale="row", ColSideColors=patientcolors, + key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) > heatmap.2(data, col=colorpanel(100,low="white",high="steelblue"), scale="row", ColSideColors=patientcolors, + key=TRUE, keysize=1, symkey=FALSE, density.info="none", trace="none", cexRow=0.5) |
使用heatmap.2函數,heat.colors漸變色填充生成的熱圖
使用heatmap.2函數,terrain.colors漸變色填充生成的熱圖
使用heatmap.2函數,cm.colors漸變色填充生成的熱圖
使用heatmap.2函數,redblue漸變色填充生成的熱圖
使用heatmap.2函數,colorpanel漸變色填充生成的熱圖
然而，以上的heatmap以及heatmap.2雖然方便簡單，效果也很不錯，可以使用colorpanel方便的設置漸變填充色，但是它的佈局沒有辦法改變，生成的效果圖顯得有點呆板，不簡潔。爲此這裏介紹如何使用ggplot2當中的geom_tile來爲基因芯片繪製理想的熱圖。
> library(ggplot2) > hc<-hclust(dist(data)) > rowInd<-hc$order > hc<-hclust(dist(t(data))) > colInd<-hc$order > data.m<-data[rowInd,colInd] #聚類分析的作用是爲了色塊集中，顯示效果好。如果本身就對樣品有分組，基因有排序，就可以跳過這一步。 > data.m<-apply(data.m,1,rescale) #以行爲基準對數據進行變換，使每一行都變成［0,1］之間的數字。變換的方法可以是scale,rescale等等，按照自己的需要來變換。 > data.m<-t(data.m) #變換以後轉置了。 > coln<-colnames(data.m) > rown<-rownames(data.m) #保存樣品及基因名稱。因爲geom_tile會對它們按座標重排，所以需要使用數字把它們的序列固定下來。 > colnames(data.m)<-1:ncol(data.m) > rownames(data.m)<-1:nrow(data.m) > data.m<-melt(data.m) #轉換數據成適合geom_tile使用的形式 > head(data.m) X1 X2 value 1 1 1 0.1898007 2 2 1 0.6627467 3 3 1 0.5417057 4 4 1 0.4877054 5 5 1 0.5096474 6 6 1 0.2626248 > base_size<-12 #設置默認字體大小，依照樣品或者基因的多少而微變。 > (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), #設定橫座標爲以前的列，縱座標爲以前的行，填充色爲轉換後的數據 + colour = "white") + scale_fill_gradient(low = "white", #設定漸變色的低值爲白色，變值爲鋼藍色。 + high = "steelblue")) > p + theme_grey(base_size = base_size) + labs(x = "", #設置xlabel及ylabel爲空 + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + #設置x座標擴展部分爲0，刻度爲之前的樣品名 + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( #設置y座標擴展部分爲0，刻度爲之前的基因名 + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * #設置座標字體爲基準的0.8倍，貼近座標對節，x座標旋轉90度，色彩爲中灰 + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50")) |
使用ggplot2中geom_tile函數,鋼藍漸白配色的熱圖
也可以很輕鬆的實現傳統漸變填充色，紅黃漸變。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "yellow", + high = "red")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50")) |
使用ggplot2中geom_tile函數，紅黃漸變填充的熱圖
使用紅綠漸變填充。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "green", + high = "red")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50")) |
使用ggplot2中geom_tile函數，紅綠漸變填充的熱圖
使用綠白漸變填充。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "seagreen", + high = "white")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50")) |
使用ggplot2中geom_tile函數，綠白漸變填充的熱圖
使用棕白漸變填充。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "white", + high = "sienna4")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50")) |
使用ggplot2中geom_tile函數，棕白漸變填充的熱圖
使用灰階填充。
> (p <- ggplot(data.m, aes(X2, X1)) + geom_tile(aes(fill = value), + colour = "white") + scale_fill_gradient(low = "black", + high = "gray85")) > p + theme_grey(base_size = base_size) + labs(x = "", + y = "") + scale_x_continuous(expand = c(0, 0),labels=coln,breaks=1:length(coln)) + + scale_y_continuous(expand = c(0, 0),labels=rown,breaks=1:length(rown)) + opts( + axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size * + 0.8, angle = 90, hjust = 0, colour = "grey50"), axis.text.y = theme_text( + size = base_size * 0.8, hjust=1, colour="grey50")) |
使用ggplot2中geom_tile函數，灰色漸變填充的熱圖
除了ggplot2，還有lattice也是不錯的選擇。我只使用一種填充色，生成兩個圖，以作示例。
> hc<-hclust(dist(data)) > dd.row<-as.dendrogram(hc) > row.ord<-order.dendrogram(dd.row) #介紹另一種獲得排序的辦法 > hc<-hclust(dist(t(data))) > dd.col<-as.dendrogram(hc) > col.ord<-order.dendrogram(dd.col) > data.m<-data[row.ord,col.ord] > library(ggplot2) > data.m<-apply(data.m,1,rescale) #rescale是ggplot2當中的一個函數 > library(lattice) > levelplot(data.m, + aspect = "fill",xlab="",ylab="", + scales = list(x = list(rot = 90, cex=0.8),y=list(cex=0.5)), + colorkey = list(space = "left"),col.regions = heat.colors) > library(latticeExtra) > levelplot(data.m, + aspect = "fill",xlab="",ylab="", + scales = list(x = list(rot = 90, cex=0.5),y=list(cex=0.4)), + colorkey = list(space = "left"),col.regions = heat.colors, + legend = + list(right = + list(fun = dendrogramGrob, #dendrogramGrob是latticeExtra中繪製樹型圖的一個函數 + args = + list(x = dd.row, ord = row.ord, + side = "right", + size = 5)), + top = + list(fun = dendrogramGrob, + args = + list(x = dd.col, + side = "top", + type = "triangle")))) #使用三角型構圖 |
使用lattice中的levelplot函數，heat.colors填充繪製熱圖
使用lattice中的levelplot函數，heat.colors填充，dendrogramGrob繪樹型，繪製熱圖
可是可是，繪製一個漂亮的熱圖這麼難麼？參數如此之多，設置如此複雜，色彩還需要自己指定。有沒有簡單到髮指的函數呢？有！那就是pheatmap，全稱pretty heatmaps.
> library(pheatmap) > pheatmap(data,fontsize=9, fontsize_row=6) #最簡單地直接出圖 > pheatmap(data, scale = "row", clustering_distance_row = "correlation", fontsize=9, fontsize_row=6) #改變排序算法 > pheatmap(data, color = colorRampPalette(c("navy", "white", "firebrick3"))(50), fontsize=9, fontsize_row=6) #自定義顏色 > pheatmap(data, cluster_row=FALSE, fontsize=9, fontsize_row=6) #關閉按行排序 > pheatmap(data, legend = FALSE, fontsize=9, fontsize_row=6) #關閉圖例 > pheatmap(data, cellwidth = 6, cellheight = 5, fontsize=9, fontsize_row=6) #設定格子的尺寸 > color.map <- function(mol.biol) { if (mol.biol=="ALL1/AF4") 1 else 2 } > patientcolors <- unlist(lapply(esetSel$mol.bio, color.map)) > hc<-hclust(dist(t(data))) > dd.col<-as.dendrogram(hc) > groups <- cutree(hc,k=7) > annotation<-data.frame(Var1=factor(patientcolors,labels=c("class1","class2")),Var2=groups) > pheatmap(data, annotation=annotation, fontsize=9, fontsize_row=6) #爲樣品分組 > Var1 = c("navy", "skyblue") > Var2 = c("snow", "steelblue") > names(Var1) = c("class1", "class2") > ann_colors = list(Var1 = Var1, Var2 = Var2) > pheatmap(data, annotation=annotation, annotation_colors = ann_colors, fontsize=9, fontsize_row=6) #爲分組的樣品設定顏色 |
pheatmap最簡單地直接出圖
pheatmap改變排序算法
pheatmap自定義顏色
pheatmap關閉按行排序
pheatmap關閉圖例
pheatmap設定格子的尺寸
pheatmap爲樣品分組
pheatmap爲分組的樣品設定顏色