超详细的热图绘制教程(5000余字)，真正的保姆级教程

生物信息学习的正确姿势

NGS系列文章包括NGS基础、高颜值在线绘图和分析、转录组分析 （Nature重磅综述|关于RNA-seq你想知道的全在这）、ChIP-seq分析 （ChIP-seq基本分析流程）、单细胞测序分析 (重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程)、DNA甲基化分析、重测序分析、GEO数据挖掘（典型医学设计实验GEO数据分析 (step-by-step)）、批次效应处理等内容。

以下文章原始来源于蚂蚁生信 ，作者蚂蚁生信

直接来源R语言统计与绘图，函数解释来自医科堂。

经常会想到用热图来展示某个基因或某些基因的表达量问题，今天用R中的pheatmap包一步步绘制热图。

如果不想写代码，在线版可以满足大部分需求，高颜值免费在线绘图工具升级版来了~~~

系统学习R见 送书《R语言数据分析和可视化》 | 这个为生信学习和生信作图打造的开源R教程真香！！！

---

目  录

• 1. 绘图前准备

• • 1.1 设置工作目录

  • 1.2 安装和加载R包

  • 1.3 读取查看数据

• 2. 绘制热图

• 3. 自定义热图

• • 3.1 热图横向标准化

  • 3.2 图形外观调整

  • 3.3 去除横纵坐标标签

  • 3.4 修改图例

  • 3.5 设置字体

  • 3.6 调整横纵向聚类

  • 3.7 调整分组标签角度

  • 3.8 添加图形标题

  • 3.9 调整热块大小

  • 3.10 划分聚类热图区块

  • 3.11 调整热图显示数值

  • 3.12 标记热图区块

• 4. 构建分组信息

• • 4.1 构建纵向分组信息

  • 4.2 构建横向分组信息

  • 4.3 共同组合二者

• 5. 保存图形

• 6. pheatmap()函数解释
  

---

1. 绘图前准备

1.1 设置工作目录

首先清除环境变量，设置工作目录，工作目录是R用来读取文件和保存结果的默认目录。

我一般是在C盘新建一个文件夹当做R的工作目录，所有的文件都复制到这里面处理。

rm(list=ls()) # 清除环境变量
setwd("C:/Rdata") # 设置工作目录
getwd() # 查看当前的工作目录
# [1] "C:/Rdata"

1.2 安装和加载R包

安装我们绘图需要用的包，如果已安装，直接加载就好了。

install.packages("pheatmap") # 安装包
install.packages("ggplot2") # 安装包
library(pheatmap) # 加载包
library(ggplot2) # 加载包

1.3 读取查看数据

演示数据不是内置数据集，如需要演示数据，请后台回复热图即可免费获取。

data <- read.table("test.FPKM.txt",  # 读取的数据文件名称，这里文件是放在工作目录下
                   header=T, # 数据集第一行为变量名
                   row.names=1, # 第一列为行名
                   sep="\t") # 指定分隔符号
dim(data) # 查看变量有多少行多少列
#[1] 21  9
head(data) # 查看数据集前六行

2. 绘制热图

先绘制个基本款的热图。

p <- pheatmap(data)

基本图形

3. 自定义热图

3.1 热图横向标准化

设置标准化方向scale，对其横向标准化。

p <- pheatmap(data, scale="row")

3.2 图形外观调整

设置边框为白色，去掉横向、纵向聚类。

p <- pheatmap(data, scale="row",
            border="white", # 设置边框为白色
            cluster_cols = F, # 去掉横向、纵向聚类
            cluster_rows = F)

3.3 去除横纵坐标标签

去掉横纵坐标中的id。

p <- pheatmap(data,scale="row",
              border="white",  # 设置边框为白色
              cluster_cols = F, # 去掉横向、纵向聚类
              cluster_rows = F,
              show_rownames = F, #去掉横、纵坐标id
              show_colnames = F)

去掉横轴和纵轴的名称

3.4 修改图例

3.4.1 不显示右上角图例

p <- pheatmap(data,scale="row",
              border="white",  # 设置边框为白色
              cluster_cols = F, # 去掉横向、纵向聚类
              cluster_rows = F,
              show_rownames = F, #去掉横、纵坐标id
              show_colnames = F,
              legend = F) # 去掉图例

将右上角的图例去掉

3.4.2 设置图例范围

p <- pheatmap(data,scale="row",
              border="white",  # 设置边框为白色
              cluster_cols = F, # 去掉横向、纵向聚类
              cluster_rows = F,
              show_rownames = F, #去掉横、纵坐标id
              show_colnames = F,
              legend = T, # 添加图例
              legend_breaks=c(-1,0,1)) # 设置图例范围
              
# 也可以设置legend_breaks=c(-2,0,2)试试

更改图例范围

3.5 设置字体

3.5.1 设置图形字体大小

设置图中字的大小，使用fondsize参数来设置。

p <- pheatmap(data,scale="row",
              border="white",  # 设置边框为白色
              cluster_cols = F, # 去掉横向、纵向聚类
              cluster_rows = F,
              show_rownames = T, #显示横、纵坐标id
              show_colnames = T,
              legend = F, # 去掉图例
              fontsize = 8)  # 设置字体大小
# 也可以设置其他大小试试。

设置字的大小

3.5.2 分别指定横纵字体大小

分别指定横向和纵向字体大小，使用fontsize_row和fontsize_col参数设置。

p <- pheatmap(data,scale="row",
              border="white",  # 设置边框为白色
              cluster_cols = F, # 去掉横向、纵向聚类
              cluster_rows = F,
              show_rownames = T, #显示横、纵坐标id
              show_colnames = T,
              legend = T, # 显示图例
              fontsize_row = 12, # 分别设置横向和纵向字体大小
              fontsize_col = 16)  

改变横向和纵向字体的大小

3.6 调整横纵向聚类

3.6.1 调整横纵向聚类树高

分别设置横向纵向的树高，使用treeheight_col和treeheight_row参数设置。

p <- pheatmap(data,scale="row",
              border="white", # 设置边框为白色
              cluster_cols = T, # 显示横向、纵向聚类
              cluster_rows = T,
              treeheight_col = 50, # 分别设置横、纵向聚类树高
              treeheight_row = 45)

设置横向和纵向聚类热图的树形高度

3.6.2 调整聚类距离类型

设置聚类的距离类型，使用clustering_distance_rows参数指定，分为如下几类：correlation，euclidean，maximum，manhattan，canberra，binary，minkowski。

p <- pheatmap(data,scale="row",
              border="white", # 设置边框为白色
              cluster_cols = T, # 显示横向、纵向聚类
              cluster_rows = T,
              clustering_distance_rows = "correlation", # 设置聚类的距离类型
              treeheight_col = 50, # 分别设置横、纵向聚类树高
              treeheight_row = 45)

聚类的距离类型

3.6.3 调整聚类方法

调整聚类的方法，使用clustering_method参数指定，可选有'ward', 'ward.D', 'ward.D2', 'single', 'complete', 'average', 'mcquitty', 'median' or 'centroid'.

p <- pheatmap(data,scale="row",
              border="white", # 设置边框为白色
              cluster_cols = T, # 显示横向、纵向聚类
              cluster_rows = T,
              clustering_distance_rows = "euclidean", # 设置聚类的距离类型
              clustering_method="single", # 设置聚类方法
              treeheight_col = 50, # 分别设置横、纵向聚类树高
              treeheight_row = 45)

调整聚类的方法

3.7 调整分组标签角度

设置分组标签的角度，可以使用参数angle_col指定，可选有270、0、45、90、315等。

p <- pheatmap(data,scale="row",
              angle_col = 45, # 设置显示角度
              clustering_distance_rows = "minkowski",
              clustering_method="complete",
              border="white",  
              cluster_cols = T,treeheight_col = 20,
              cluster_rows = T,treeheight_row = 20)

分组是否斜体，旋转多少度

3.8 添加图形标题

给图形增加标题，可以使用main参数指定。

p <- pheatmap(data, scale="row", border="white",
              main="Gene1", # 设置图形标题
              angle_col = 0,
              clustering_distance_rows = "minkowski",
              clustering_method="complete",
              cluster_cols = T,treeheight_col = 20,
              cluster_rows = T,treeheight_row = 20)

图片添加主题

3.9 调整热块大小

分别调整热图方块宽度和高度，可以使用cellwidth和cellheight参数指定。

p <- pheatmap(data, scale="row", border="white",
              cellwidth = 40,cellheight = 20, # 设置热图方块宽度和高度
              main="Gene1", angle_col = 0,
              clustering_distance_rows = "minkowski",
              clustering_method="complete",
              cluster_cols = T,treeheight_col = 20,
              cluster_rows = T,treeheight_row = 20)

调整热图的宽度和高度

3.10 划分聚类热图区块

根据热图聚类对其进行区块儿划分，可以使用cutree_cols和cutree_rows参数指定

p <- pheatmap(data,scale="row",
              cutree_cols = 6, cutree_rows =5, # 列划为6块，行为5块
              main="Gene1",angle_col = 0,
              clustering_distance_rows = "minkowski",
              clustering_method="complete",border="white",
              cluster_cols = T,treeheight_col = 20,
              cluster_rows = T,treeheight_row = 20)
注：此处我去掉了热图块儿的大小；cellwidth = 8,cellheight = 6

对聚类热图进化划分

在上图基础上增加边缘线。

p <- pheatmap(data,scale="row", border="#8B0A50",
              cutree_cols = 6, cutree_rows =5,
              main="Gene1",angle_col = 0,
              clustering_distance_rows = "minkowski",
              clustering_method="complete",
              cluster_cols = T,treeheight_col = 20,
              cluster_rows = T,treeheight_row = 20)

给热图块儿边缘添加颜色

3.11 调整热图显示数值

热图上是否展示数值，大小和颜色，大小以及数值展示类型，可以使用display_numbers、fontsize_number、number_color、number_format等参数设置。

3.11.1 热图上显示数值

使用display_numbers参数指定是否显示数值。

p <- pheatmap(data,scale="row",border="#8B0A50",
            display_numbers = T, # 热图上显示数值
            cutree_cols = 3,cutree_rows =4,
            main="Gene1",angle_col = 0,
            clustering_distance_rows = "minkowski",
            clustering_method="complete",
            cluster_cols = T,treeheight_col = 20,
            cluster_rows = T,treeheight_row = 20)

添加fpkm至热图方块儿内

3.11.2 设置显示数值的大小

使用fontsize_number参数指定数值的显示大小。

p <- pheatmap(data,scale="row",border="#8B0A50",
            fontsize_number = 10, display_numbers = T,
            cutree_cols = 3,cutree_rows =4,
            main="Gene1",angle_col = 0,
            clustering_distance_rows = "minkowski",
            clustering_method="complete",
            cluster_cols = T,treeheight_col = 20,
            cluster_rows = T,treeheight_row = 20)

添加数值大小（放大缩小）

3.11.3 设置数值的颜色

使用number_color参数指定数值的颜色。

p <- pheatmap(data,scale="row",border="#8B0A50",
            number_color="red",
            fontsize_number = 10,display_numbers = T,
            cutree_cols = 3,cutree_rows =4,
            main="Gene1",angle_col = 0,
            clustering_distance_rows = "minkowski",
            clustering_method="complete",
            cluster_cols = T,treeheight_col = 20,
            cluster_rows = T,treeheight_row = 20)

设置值的颜色

3.11.4 设置数值显示类型

使用number_format参数指定数值显示类型，下图显示为科学计数法。

p <- pheatmap(data,scale="row", border="#8B0A50", number_color="red",
            number_format="%.2e",
            fontsize_number = 10,display_numbers = T,
            cutree_cols = 3,cutree_rows =4,
            main="Gene1",angle_col = 0,
            clustering_distance_rows = "minkowski",
            clustering_method="complete",
            cluster_cols = T,treeheight_col = 20,
            cluster_rows = T,treeheight_row = 20)

设置值的类型

3.12 标记热图区块

对热图方块儿进行标记；display_numbers，如果该值大于1，则为+，否则为-。

p <- pheatmap(data,scale="row",
            number_color="red",number_format="%.2e",
            border="#8B0A50",
            fontsize_number = 16,
            display_numbers = matrix(ifelse(data > 1, "+", "-"), nrow(data)),
            cutree_cols = 3,cutree_rows =4,
            main="Gene1",angle_col = 0,
            clustering_distance_rows = "minkowski",
            clustering_method="complete",
            cluster_cols = T,treeheight_col = 20,
            cluster_rows = T,treeheight_row = 20)
# 也可以设置display_numbers = matrix(ifelse(data > 2, "++", "-"), nrow(data))试试

为热图方块儿内容添加标记

4. 构建分组信息

构建纵向和横向分组信息(有3个处理，分别是：盐、干旱和热应激)；以及时间：0-3day，对3类基因21个基因进行分组，分别是："WRKY", "AP2", "YABBY"。

4.1 构建纵向分组信息

annotation_col = data.frame(Deal_with = factor(rep(c("Salt", "Drought","Heat"), 3)),
                            Day=factor(rep(c("Day1", "Day2","Day3"), 3)))
rownames(annotation_col)
# [1] "1" "2" "3" "4" "5" "6" "7" "8" "9"
colnames(data)
# [1] "Q1" "Q2" "Q3" "F1" "F2" "F3" "T1" "T2" "T3"
rownames(annotation_col) <- colnames(data)
head(annotation_col)
#    Deal_with  Day
# Q1      Salt Day1
# Q2   Drought Day2
# Q3      Heat Day3
# F1      Salt Day1
# F2   Drought Day2
# F3      Heat Day3

pheatmap(data, annotation_col = annotation_col)

p <- pheatmap(data, scale="row",
              annotation_col = annotation_col,
              number_color="red",number_format="%.2e",
              border="#8B0A50",fontsize_number = 8,
              display_numbers = matrix(ifelse(data > 2, "++", "-"), nrow(data)),
              cutree_cols = 3,cutree_rows =4,
              main="Gene1",angle_col = 0,
              clustering_distance_rows = "minkowski",
              clustering_method="complete",
              cluster_cols = T,treeheight_col = 20,
              cluster_rows = T,treeheight_row = 20)

4.2 构建横向分组信息

annotation_row = data.frame(GeneClass = factor(rep(c("WRKY", "AP2", "YABBY"),7)))
rownames(annotation_row) <- rownames(data)
head(annotation_row)
#       GeneClass
# Gene1      WRKY
# Gene2       AP2
# Gene3     YABBY
# Gene4      WRKY
# Gene5       AP2
# Gene6     YABBY

pheatmap(data, annotation_row =annotation_row)

p <- pheatmap(data, scale="row",
              number_color="red", 
              annotation_row =annotation_row,
              number_format="%.2e",
              border="#8B0A50",
              fontsize_number = 16, 
              display_numbers = matrix(ifelse(data > 2, "++", "-"), nrow(data)),
              cutree_cols = 3,cutree_rows =4,
              main="Gene1",angle_col = 0,
              clustering_distance_rows = "minkowski",
              clustering_method="complete",
              cluster_cols = T,treeheight_col = 20,
              cluster_rows = T,treeheight_row = 20)

4.3 共同组合二者

p <- pheatmap(data,
              annotation_col = annotation_col,
              annotation_row = annotation_row)

p <- pheatmap(data,scale="row",
              number_color="red",
              annotation_col = annotation_col,
              annotation_row = annotation_row,
              number_format="%.2e",border="#8B0A50",
              fontsize_number = 15,
              display_numbers = matrix(ifelse(data > 2, "++", "-"),nrow(data)),
              cutree_cols = 3,cutree_rows =4,
              main="Gene1",angle_col = 0,
              clustering_distance_rows = "minkowski",
              clustering_method="complete",
              cluster_cols = T,treeheight_col = 20,
              cluster_rows = T,treeheight_row = 20)

5. 保存图形

可以保存为pdf/jpeg/png格式，建议保存为pdf/jpeg，因为二者清晰度高。

p <- pheatmap(data, 
              annotation_col = annotation_col,
              annotation_row = annotation_row,
              filename = "基因家族热图.pdf",
              width = 10, height = 8)

p <- pheatmap(data,
              annotation_col = annotation_col,
              annotation_row = annotation_row,
              filename = "基因家族热图.jpeg",
              width = 10,height = 8)

p <- pheatmap(data,
              annotation_col = annotation_col,
              annotation_row = annotation_row,
              filename = "基因家族热图.png",
              width = 10,height = 8)

6. pheatmap()函数

pheatmap(mat, color = colorRampPalette(rev(brewer.pal(n = 7, name =
                                                        "RdYlBu")))(100), kmeans_k = NA, breaks = NA, border_color = "grey60",
         cellwidth = NA, cellheight = NA, scale = "none", cluster_rows = TRUE,
         cluster_cols = TRUE, clustering_distance_rows = "euclidean",
         clustering_distance_cols = "euclidean", clustering_method = "complete",
         clustering_callback = identity2, cutree_rows = NA, cutree_cols = NA,
         treeheight_row = ifelse((class(cluster_rows) == "hclust") || cluster_rows,
                                 50, 0), treeheight_col = ifelse((class(cluster_cols) == "hclust") ||
                                                                   cluster_cols, 50, 0), legend = TRUE, legend_breaks = NA,
         legend_labels = NA, annotation_row = NA, annotation_col = NA,
         annotation = NA, annotation_colors = NA, annotation_legend = TRUE,
         annotation_names_row = TRUE, annotation_names_col = TRUE,
         drop_levels = TRUE, show_rownames = T, show_colnames = T, main = NA,
         fontsize = 10, fontsize_row = fontsize, fontsize_col = fontsize,
         angle_col = c("270", "0", "45", "90", "315"), display_numbers = F,
         number_format = "%.2f", number_color = "grey30", fontsize_number = 0.8
         * fontsize, gaps_row = NULL, gaps_col = NULL, labels_row = NULL,
         labels_col = NULL, filename = NA, width = NA, height = NA,
         silent = FALSE, na_col = "#DDDDDD", ...)

## 函数解释
mat # 需要绘制热图的数字矩阵。
color # 表示颜色，赋值渐变颜色调色板colorRampPalette属性，选择"蓝，白，红"渐变，分为100个等级
# 例 color =  colorRampPalette(c("navy", "white", "red"))(100)
kmeans_k # 绘制热图的行聚类数，如果是NA，那么行不会聚类。
breaks  # 设置mat数值范围的数字序列
border_color # 表示热图上单元格边框的颜色，如果不绘制边框，则使用NA
cellwidth # 表示每个单元格的宽度，若选择NA则表示适应窗口
cellheight # 表示每个单元格的高度，若选择NA则表示适应窗口
scale # 表示值均一化的方向，或者按照行或列，或者没有，值可以是"row",  “column” 或者"none"
cluster_rows # 表示进行行的聚类，值可以是FALSE或TRUE
cluster_cols # 表示进行列的聚类，值可以是FALSE或TRUE
clustering_distance_rows # 表示行距离度量的方法
clustering_distance_cols # 表示列距离度量的方法
clustering_method # 表示聚类方法，值可以是hclust的任何一种，
# 如"ward.D",“single”,  “complete”, “average”, “mcquitty”, “median”, “centroid”, “ward.D2”
clustering_callback # 回调函数来修改聚类
cutree_rows # 基于层次聚类（使用cutree）划分行的簇数（如果未聚集行，则忽略参数）
cutree_cols  # 基于层次聚类（使用cutree）划分列的簇数（如果未聚集行，则忽略参数）
treeheight_row # 行的树的高度,
treeheight_col # 列的树的高度
legend # TRUE或者FALSE，表示是否显示图例
legend_breaks # 设置图例的断点，如legend_breaks =  -1:4
legend_labels # legend_breaks对应的标签例：legend_breaks = -1:4, legend_labels = c(“0”,“1e-4”, “1e-3”, “1e-2”, “1e-1”, “1”)
annotation_row # 行的分组信息，需要使用相应的行名称来匹配数据和注释中的行，注意之后颜色设置会考虑离散值还是连续值，格式要求为数据框
annotation_col # 列的分组信息，需要使用相应的列名称来匹配数据和注释中的列，格式要求为数据框
annotation_colors  # 用于手动指定annotation_row和annotation_col  track颜色的列表。
annotation_legend # 是否显示图例的名称。
annotation_names_row # 是否显示行注释的名称。
annotation_names_col # 是否显示列注释的名称。
show_rownames # 是否显示行名
show_colnames # 是否显示列名
main  # 图的名字
fontsize # 图的字体大小
fontsize_row # 行名的字体大小，默认与图的字体大小相同
fontsize_col # 列名的字体大小，默认与图的字体大小相同
angle_col # 列标签的角度，可选择 (0, 45, 90, 270 and 315)
display_numbers # 表示是否将数值显示在热图的格子中，如果这是一个矩阵（与原始矩阵具有相同的尺寸），则显示矩阵的内容而不是原始值。
number_format # 设置显示数值的格式，较常用的有"%.2f"（保留小数点后两位），"%.1e"（科学计数法显示，保留小数点后一位）
number_color # 设置显示内容的颜色
fontsize_number # 设置显示内容的字体大小
labels_row  # 代替行名的自定义标签 
labels_col # 代替列名的自定义标签
filename # 图片保存位置以及文件名
width # 手动设置输出文件的宽度（单位：英寸）
height # 手动设置输出文件的高度（单位：英寸）
silent # 不绘制热图
na_col # 缺失值的颜色

本文完。

如果觉得不错，记得分享、点赞、点在看哦！

本文转载自蚂蚁生信，函数解释复制自医科堂。

往期精品(点击图片直达文字对应教程)

后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集