Pheatmap绘制基因表达量热图

论文中展示基因表达量变化通常使用热图，今天分享一个快速绘制不同基因在各处理下表达量变化的方法，使用R语言中pheatmap包，它可以用于可视化数据集中的数值，以便更好地理解数据之间的关系和模式。

创建环境与示例数据

加载R包

library(tibble)
library(tidyverse)
library(pheatmap)

生成随机数据

# 设置随机数种子以确保结果可重复
set.seed(1234)

# 生成随机矩阵
expr_mat <- matrix(rnorm(200, mean = 6, sd = 2), ncol = 8)

# 将矩阵转换为tibble，并设置行名称和列名称
expr_mat <- as_tibble(expr_mat, colnames = paste0("Type", 1:8))
colnames(expr_mat) <- paste0("Type", 1:8)
rownames(expr_mat) <- paste0("Gene",1:25)

# 查看结果
head(expr_mat)

通过上述代码可以生成一个随机的基因表达矩阵，其中每行是一个基因，每列代表一个处理，共有25行8列，展示了25个不同的基因在8个不同处理下表达量的变化情况。数据内容如下：

> head(expr_mat)
# A tibble: 6 × 8
  Type1 Type2 Type3 Type4 Type5 Type6 Type7  Type8
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>
1  3.59  3.10  2.39  5.69  6.83  6.16  5.25  4.32 
2  6.55  7.15  4.84  3.22  5.05  4.74  6.20  3.75 
3  8.17  3.95  3.78  4.55  6.13  2.97  9.28 12.1  
4  1.31  5.97  3.97  6.52  5.00  4.73  4.25  6.47 
5  6.86  4.13  5.68  5.37  4.35  6.45  6.24  5.93 
6  7.01  8.20  7.13  5.64  6.33  8.03  8.72  0.536

绘制图像

基础版热图

pheatmap(expr_mat)

直接运行pheatmap函数，输入数据矩阵，即可快速生成漂亮的热图，会自动对行和列进行聚类，这也是最简单的热图生成方法。

进阶版热图

my_palette <- colorRampPalette(c("white", "yellow","red"))(n = 100)

pheatmap(expr_mat,
         cluster_cols = F,
         cluster_rows = T,
         filename = "GeneExpr.pdf",
         color = my_palette,
         width = 2.35*3,
         height = 1*3,
         angle_col = 0)

通常绘制基因表达热图的目的是看不同基因和处理之间的变化关系，比如不同时间下基因的表达量变化，因此不需要对处理进行聚类，为了让图中横轴Type按照顺序排列，取消纵轴聚类，可以使用cluster_cols = F参数，另外可以自定义修改配色的方案，使用colorRampPalette可以自定义颜色。