在代謝組學的數據分析中，通常根據代謝物的含量進行層次聚類分析，以反映各個樣本之間代謝物含量的差異。

 

常用的數據分析工具中，R語言中的程序包可以靈活繪制出非常美觀的層次聚類熱圖形。本文將利用R語言中的pheatmap包對繪制層次聚類熱圖進行詳細的介紹（詳細參數見文末彩蛋！）

一、pheatmap( )函數常用參數簡介

 

pheatmap(mat,  # 熱圖的輸入數據，數據類型為數值型data.frame或matrix

color = colorRampPalette(rev(brewer.pal(n = 7, name = "RdYlBu")))(100),  # 熱圖顏色設置

cellwidth = NA,  # 設置熱圖單元格的寬度

cellheight = NA,  # 設置熱圖單元格的高度

treeheight_row = ifelse((class(cluster_rows) == "hclust") || cluster_rows, 50, 0),  # 設置行聚類樹的高度

treeheight_col = ifelse((class(cluster_cols) == "hclust") || cluster_cols, 50, 0),  # 設置列聚類樹的高度

cluster_rows = TRUE,  # 是否對行進行聚類

cluster_cols = TRUE,  # 是否對列進行聚類

cutree_rows = NA,  # 設置將行聚類的結果分割成多少個集群，分割依據時基于層次聚類結果，如果未對行進行聚類，則該參數被直接忽略

cutree_cols = NA,  # 設置將列聚類的結果分割成多少個集群，分割依據時基于層次聚類結果

annotation_row = NA,  # 在熱圖左側添加注釋，可用于顯示代謝物的分類信息，數據為data.frame格式

annotation_col = NA,  # 在熱圖頂部添加注釋，可用于顯示分組信息，數據為data.frame類型

border_color = "grey60",  # 熱圖內部單元格的邊界顏色，可設置為NA無邊界

display_numbers = F,  # 是否在熱圖單元格中顯示相應的數值

fontsize = 10,  # 基礎字體大小設置

fontsize_row = fontsize,  # 行名字體大小設置

fontsize_col = fontsize,  # 列名字體大小設置

filename = NA,  # 保存熱圖的全文件路徑，包含路徑和輸出的熱圖文件名（當設置了filename時，圖形顯示器將不再顯示熱圖

…）

 

 

二、pheatmap( )函數繪制熱圖實戰

 第一步：安裝所需的R包及原始數據導入

install.packages("openxlsx")   # 導入excel數據所需的R包

install.packages("pheatmap")   # 繪制熱圖所需的R包

library(openxlsx)

library(pheatmap)

data <- read.xlsx(‘E: /R_TEST.xlsx’)  # 導入數據（案例中的數據非真實數據）

rownames(data) <- data[, 1]  # 設置行名


第二步：基礎熱圖-默認參數

pheatmap(data[, c(3:8)])

第三步：設置顏色

pheatmap(data[, c(3:8)], color = colorRampPalette(c('red', 'white', 'blue'))(100))  

# 其中('red', 'white', 'blue')和(100)可根據需求自行修改

第四步：設置單元格大小

pheatmap(data[, c(3:8)], cellwidth = 18, cellheight = 18)

第五步：設置聚類樹的高度

pheatmap(data[, c(3:8)], treeheight_row = 100)  

# 設置行（代謝物）聚類樹的高度

pheatmap(data[, c(3:8)], treeheight_col = 100)  

# 設置列（樣本）聚類樹的高度

第六步：取消聚類

pheatmap(data[, c(3:8)], cluster_rows = FALSE)  

# 取消行聚類

pheatmap(data[, c(3:8)], cluster_cols = FALSE)  

# 取消列聚類

第七步：依據聚類結果對熱圖進行分割

pheatmap(data[, c(3:8)], cluster_rows = TRUE, cluster_cols = FALSE, cutree_rows = 3) 

# cutree_rows = 3 是根據聚類結果進行的具體值設置

第八步：添加樣本分組信息

annotation_col = data.frame(Group = factor(rep(c('A','B'), c(3,3))), row.names = colnames(data[, c(3:8)]))   

# 對每個樣本設置相對于的分組，(A、B為組名，3為每個組的樣本數)

注意：原始數據表中每個分組的樣本放在一起，否則factor( )需一一對應樣本名設置相對應的分組名。
pheatmap(data[, c(3:8)], cluster_rows = TRUE, cluster_cols = FALSE, cutree_rows = 3, annotation_col = annotation_col)


第九步：添加代謝物分類信息

annotation_row = data.frame(Class = data$Class, row.names = rownames(data))

pheatmap(data[, c(3:8)], cluster_rows = TRUE, cluster_cols = FALSE, cutree_rows = 3, annotation_col = annotation_col, annotation_row = annotation_row)

第十步：設置單元格邊框顏色，默認顏色為灰色（grey30）

pheatmap(data[, c(3:8)], cluster_rows = TRUE, cluster_cols = FALSE, cutree_rows = 3, annotation_col = annotation_col, annotation_row = annotation_row, border_color = NA)

# border_color = NA 表示不設置單元格邊框顏色

第十一步：單元格內顯示數值

pheatmap(data[, c(3:8)], cluster_rows = TRUE, cluster_cols = FALSE, cutree_rows = 3, annotation_col = annotation_col, annotation_row = annotation_row, border_color = NA, display_numbers = T)

第十二步：設置字體大小

pheatmap(data[, c(3:8)], cluster_rows = TRUE, cluster_cols = FALSE, cutree_rows = 3, annotation_col = annotation_col, annotation_row = annotation_row, border_color = NA, display_numbers = T, fontsize = 11)
也可使用fontsize_row和fontsize_col分別對行標簽和列標簽進行字體大小設置。
pheatmap(data[, c(3:8)], cluster_rows = TRUE, cluster_cols = FALSE, cutree_rows = 3, annotation_col = annotation_col, annotation_row = annotation_row, border_color = NA, display_numbers = T, fontsize = 11, fontsize_row = 13, fontsize_col = 15)

第十三步：保存熱圖

pheatmap(data[, c(3:8)], cluster_rows = TRUE, cluster_cols = FALSE, cutree_rows = 3, annotation_col = annotation_col, annotation_row = annotation_row, border_color = NA, display_numbers = T, filename = 'E:/R_TEST.png')   
# filename為保存路徑和文件名
注意：設置filename后，RStudio圖形界面將不再顯示出熱圖。

 

彩蛋：pheatmap( )函數的參數詳解

網盤下載鏈接：

https://pan.baidu.com/s/1ao690Lpk2upH57_pu5AElw 

提取碼：98e4