R语言学习笔记(四)—pheatmap r语言prediction

导语 ：在本系列前面的介绍中，小编给大家介绍过用于操作数据框的R包dplyr（R语言学习笔记（二）），本期给大家介绍一个用于画热图的包pheatmap。

01生成热图文件

在生物学领域，热图最常用的功能就是展示不同基因差异表达的情况，首先我们用上一期介绍的一些R基本函数模拟一个基因表达矩阵（R语言学习笔记（三））。

> # Create test file
> htest <-  matrix(rnorm(200), 20, 10)           #生成20*10的随机矩阵
> htest[1:10, 1:3] <- htest[1:10, 1:3] - 3           #手动给数据“分块” 
> htest[11:20, 4:10] <- htest[11:20, 4:10] + 4
> colnames(htest) <- paste("Sample", 1:10, sep = "")
> rownames(htest) <- paste("Gene", 1:20, sep = "")
> View(htest)

这样就生成了一个20个基因在10个样品中的表达矩阵，并且通过手动操作，使右下角的数据明显比左上角大，形成一个大致的分层，后续我们就用这个文件画热图。

02heatmap

R中有一个基本的heatmap()函数，可用来绘制热图，我们不妨尝试一下：

> heatmap(htest)

不出意料的难看，通常R中自带的函数功能都相对简单，也很少带有美化效果。所以学好基本函数的前提下，成为一个“调包侠”应该是R语言进阶的第一步。下面看一下pheatmap包的效果吧。

03pheatmap

我们先不调试参数，直接用pheatmap画一个最简单的热图：

> #install.packages(pheatmap)   #安装pheatmap
> library(pheatmap)           #加载pheatmap
> pheatmap(htest)

没有对比就没有伤害，这个热图相比上面那张图颜值提升了好几个档次，并且能很清楚的看到右上角和左下角分成了两种不同的颜色，跟我们预设的数据是一致的。

下面说一下pheatmap中用的比较多的参数。

（1）scale

scale参数设置是否归一化处理，默认不进行归一化。设置scale = "row"是对行进行归一化，设置scale = "column"是对列进行归一化。

>pheatmap(htest, scale = "row")

（2）cluster_row/ cluster_col

这两个参数设置是否按行/列进行聚类，比如我们不需要聚类：

> pheatmap(htest, cluster_rows = F, cluster_cols = F)

（3）fontsize_row/ fontsize_col/angel_col

前两个参数设置文字大小，后面一个参数设置纵向文字角度。

> pheatmap(htest, fontsize_row = 12, fontsize_col = 18, angle_col = 45)

（4）添加注释

#生成注释文件
> annotation_row <- data.frame(
   Genetype = sample(c("A", "B"), size = 20, replace = TRUE))
> annotation_col <- data.frame(
   Gender = sample(c(rep("male", 5), rep("female", 5))))
> rownames(annotation_row) <- rownames(htest)
> rownames(annotation_col) <- colnames(htest)
#作图
>pheatmap(htest,
  annotation_row = annotation_row,
  annotation_col = annotation_col,
  fontsize_row = 18, fontsize_col = 18, angle_col = 45)

04导出作图文件并作图

上面的热图基本已经达到文章发表的水平了，但有时候图片需要与其他的图片放在一起组图，小编自己的经验是将图片导出成PDF，方法是右下角文件栏【Export】→【Save as PDF】，调整合适的高度和宽度，最后导出PDF文件。

导出的PDF文件可以在AI或者PDF编辑器中进行编辑，修改字体类型和大小等等。关于AI和PDF编辑器的使用方法请参考小编之前的推送【科研论文作图系列-从PPT到AI (一)】和（【两款PDF编辑器带你玩转PDF文件】。最后，欢迎大家进入投必得R语言与统计交流群，与小编一起交流R语言的学习心得。