热图是展示基因表达差异非常直观的方法,很多R语言包都支持绘制热图。下面分享一个根据heatmap.2函数绘制热图的方法。依然是数据-代码-结果。本帖力求精简,使新手尽可能快的成功,更多定制化的细节请参阅其他帖子!
1.表达矩阵和分组矩阵
表达矩阵和分组矩阵和做差异表达的结构是一样的,差异表达的帖子详见:https://blog.csdn.net/tuanzide5233/article/details/83541443
这是表达矩阵,里面的基因可以用Excel结合差异表达的基因从原始的表达矩阵中筛选出来。
这是分组矩阵,注意要预留第一行作为列名
2. Heatmap2函数
首先是安装要用的包,一共有三个,WGCNA也要安装,因为有一个颜色转换的函数在里面
source("http://bioconductor.org/biocLite.R")
biocLite("Limma")
biocLite("gplots")
biocLite("WGCNA")
然后运行函数
library('gplots')
library('limma')
library('WGCNA')
setwd("C:/Users/lenovo/Desktop/DEG")
exprSet=read.csv("express-counts3.csv",header=TRUE,row.names=1,check.names = FALSE)
group <- read.csv("datTraits.csv",header=TRUE,row.names=1,check.names = FALSE)
group <- group[,1] #定义比较组,按照癌症和正常样品数目修改#
heatmapData <- exprSet#此处使用的是校正后基因的表达量#
hmExp=log10(heatmapData+0.001)
mergedColors = as.character(labels2colors(group,colorSeq=c("red","yellow")))
hmMat=as.matrix(t(hmExp))
pdf(file="heatmap.pdf",width=45,height=30)#注意输出的热图的储存路径#
par(oma=c(10,3,3,17))#此处设置页边距,第一个参数是下,依次逆时针
heatmap.2(hmMat,col='greenred',key=T,keysize = 0.7,
trace="none", cexCol=0.6, cexRow=2.5,dendrogram="col",Rowv=F,
RowSideColors = mergedColors,scale="col")
dev.off()
注意:express-counts3.csv是表达矩阵,datTraits.csv是分组信息。
3. 结果
再次强调一遍:本帖只适用于新手入门,更多的参数细节请参阅其他帖子!
GEO芯片数据差异表达分析时需要log2处理的原因
https://blog.csdn.net/tuanzide5233/article/details/88542805
GEO芯片数据差异表达分析时是否需要log2以及标准化的问题
https://blog.csdn.net/tuanzide5233/article/details/88542558
差异表达矩阵制作教程
https://blog.csdn.net/tuanzide5233/article/details/83659768
差异表达的热图绘制详见
https://blog.csdn.net/tuanzide5233/article/details/83659501
使用edgeR对RNAseq数据进行差异表达分析教程
https://blog.csdn.net/tuanzide5233/article/details/88785486
差异表达分析(DEG)时 row.names'里不能有重复的名字 的解决方案
https://blog.csdn.net/tuanzide5233/article/details/86568155
生存分析系列教程(一)使用生信人工具盒进行生存分析
https://blog.csdn.net/tuanzide5233/article/details/83685403
富集分析与蛋白质互作用网络(PPI)的可视化 Cystocape入门指南
https://blog.csdn.net/tuanzide5233/article/details/88048439
进阶版Venn plot:Upset plot入门实战代码详解——UpSetR包介绍
https://blog.csdn.net/tuanzide5233/article/details/83109527
使用R语言ggplot2包绘制pathway富集分析气泡图(Bubble图):数据结构及代码