【R語言】heatmap顯示樣本類型

2022-01-02 生信交流平臺

前面分了四期類型給大家講了繪製熱圖時的配色方案

☞【R語言】熱圖繪製-heatmap函數+默認配色方案

☞【R語言】熱圖繪製-heatmap+gplots配色方案

☞【R語言】熱圖繪製-heatmap+grDevice配色方案

☞【R語言】熱圖繪製-heatmap+RColorBrewer配色方案

    今天我們接著講繪製熱圖時候的一個小技巧，如何顯示樣本的類型。我們經常還在文章中看到類似下面這樣的熱圖。會在列的上方用顏色標註樣本的類型。這樣可以一目了然的看出找到的差異表達基因能否很好的將不同類型的樣本區分開。今天我們就來用R代碼來實現。

首先我們還是先讀取需要的數據，這裡用到的數據跟【R語言】熱圖繪製-heatmap函數用到的數據是一樣的

expr=read.table("miRNA_expr.txt",header=T,row.names=1,sep="\t")deg=read.table("MIR_DEG_fc_2.5_pval_0.01.txt",header=T,row.names = 1,sep="\t")type=factor(rep(c("CR","CC"),each=3))miRNA=rownames(deg)data=as.matrix(expr[miRNA,])
接下來我們來用heatmap繪圖，並添加樣本類型顏色
pdf(file="heatmap_with_typecolor.pdf",width=8)colSide <- c("red","blue")[type]heatmap(data,        cexCol = 1,          cexRow = 1,          scale="row",          ColSideColors=colSide,         margins = c(7, 5)  )legend("topright",legend=levels(type),col=c("red","blue"),pch=15,bty="n",cex=0.7)dev.off()
會得到剛才展示的那張熱圖。
本文中使用的表達矩陣來自GEO公共資料庫
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE82236
關於GEO資料庫檢索和差異表達分析可以參考
基於GEO公共資料庫的數據挖掘
課程網址：
https://ke.qq.com/course/package/37513
課程二維碼：
長按二維碼跳轉
參考資料：
☞【R語言】熱圖繪製-heatmap函數+默認配色方案
☞【R語言】熱圖繪製-heatmap+gplots配色方案
☞【R語言】熱圖繪製-heatmap+grDevice配色方案
☞【R語言】熱圖繪製-heatmap+RColorBrewer配色方案
☞R語言中的顏色(一)-自帶的調色板
☞R語言中的顏色(二)-gplots包
☞R語言中的顏色(三)-grDevice包
☞R語言中的顏色(四)-RColorBrewer包
☞ 超詳細的熱圖繪製教程(5000餘字)，真正的保姆級教程
☞ R語言繪製基因表達熱圖（簡易版）
☞ 一個R函數搞定風險評估散點圖，熱圖
☞ R繪製甲基化和表達譜聯合分析熱圖
關注下方公眾號，後臺回復「GSE82236」獲取原始數據
為了方便大家交流學習，共同進步，我特地創建了微信交流群
後臺留言「生信交流群」入群

你的贊同是我前進的動力

相關焦點

  • 超詳細的R語言熱圖之complexheatmap系列07
    complexheatmap系列第1篇：超詳細的R語言熱圖之complexheatmap系列1complexheatmap系列第2篇：超詳細的R語言熱圖之complexheatmap系列2complexheatmap系列第3篇：超詳細的R語言熱圖之complexheatmap
  • R語言熱力圖綜合教程-heatmap、d3heatmap和ComplexHeatmap
    d3heatmap（）[ d3heatmap R包]：繪製交互式/可單擊的熱圖ComplexHeatmap R / Bioconductor的包]：繪製，注釋和排列複雜熱圖（用於基因組數據分析是非常有用的）
  • R語言之heatmap繪製
    今天我們介紹關於R語言繪製熱圖的一種方法，那就是利用pheatmap包進行熱圖的繪製。1 安裝pheatmap包有兩種方式：    a.install.packages(「pheatmap」)    b.
  • R繪圖-heatmap
    # 1.設置工作目錄及調用R包setwd("D://heatmap") library(vegan)library(RColorBrewer)library(gplots)library(permute)library(lattice)
  • R語言學習 - 熱圖繪製 (heatmap)
    > data2 <- read.table(text=txt,sep=";", header=T, row.names=1, quote="", check.names = F)> head(data2)       Zygote 2_cell 4_cell 8_cellGene_1    1.0    2.0    3.0
  • 一招學會熱圖(heatmap)繪製之R語言heatmap函數
    寫在前面 本文介紹使用R語言內置函數heatmap()繪製熱圖。老調重彈，在了解R語言基本思維、使用方法之後，每學一個新的函數或者方法都有跡可循。一般都是先使用幫助文檔學習新函數的定義和使用方法，接著搜索測試數據進行訓練即可。文末附heatmap說明書。
  • R作圖代碼 | 多標籤heatmap作圖R代碼共享
    相信很多研究僧都在平時的工作中需要做這種multiple label的heatmap吧，其實這個heatmap也非常容易，只要load了heatmap.3函數，生成下面的這幅圖也就是15行代碼即可完成。代碼塊# CODE之前的內容都是我給大家show的example，此代碼是我這兩天剛剛使用過的，結果100% validation,大家可以放心使用。
  • 學R語言太難?薦你一款heatmap作圖神器
    答案非R語言莫屬了。在CNS等頂級雜誌發表的諸多文章中，不管是複雜的統計分析還是"高大上"的制表繪圖，methods裡面總少不了R語言的身影。通過R語言輕鬆完成各種繪圖，例如：韋恩圖，熱圖，線性回歸，小提琴圖，GWAS相關曼哈頓圖，乃至三維圖，地圖，circos圈圖等等。但是R語言學起來有點難怎麼辦？今天冬至兄就是來告訴你一個熱圖神器的。
  • 用R做heatmap圖,附加差異表達分析代碼~
    代碼如下，我主要用了heatmap.2函數,來自gplots包，下面的代碼中還貼了用limma包篩選差異表達基因的代碼。0.05esetSel<-eset[selected,]color.map<-function(mol.biol){if(mol.biol=="ALL1/AF4") "#FF0000" else "#0000FF"}patientcolors<-unlist(lapply(esetSel$mol.biol,color.map))library(gplots)heatmap
  • 【Python可視化6】Seaborn之heatmap熱力圖
    好像變好看了?center：設置顏色帶的分界線1sns.heatmap(data=data,cmap="RdBu_r",2            center=300)    其實數值注釋默認顯示的是科學記數法的數值，我們得把數值進行格式化，這就用到了下面的參數。fmt：format的縮寫，設置數值的格式化形式1sns.heatmap(data=data,annot=True,2            fmt="d",cmap="RdBu_r")3
  • R語言學習筆記之相關性矩陣分析及其可視化
    rcorr(x, type = c(「pearson」,「spearman」))。library(Hmisc)#加載包res2 <- rcorr(as.matrix(mydata))res2#可以用res2$r、res2$P來提取相關係數以及顯著性p-valueres2$r
  • R包ComplexHeatmap繪製個性化熱圖
    注釋按位置來分類可分為行注釋和列注釋，以列注釋為例，其內置函數按照圖形的類型可以分為6種，anno_points()，anno_barplot()，anno_boxplot()，anno_histogram()，anno_density()，anno_text()。行注釋的內置函數和列注釋類似，前面加上row即可，如row_anno_points()。
  • Python可視化 | Seaborn5分鐘入門(六)——heatmap熱力圖
    好像變好看了?center：設置顏色帶的分界線1sns.heatmap(data=data,cmap="RdBu_r",2            center=300)    其實數值注釋默認顯示的是科學記數法的數值，我們得把數值進行格式化，這就用到了下面的參數。fmt：format的縮寫，設置數值的格式化形式1sns.heatmap(data=data,annot=True,2            fmt="d",cmap="RdBu_r")3
  • 工具 用R快速製作heatmap圖,一學就會!
    這個heatmap圖是不是很炫？知道是怎麼做出來的嗎？想學跟我來吧！1、首先下載R（https://www.r-project.org/）3、準備數據文件在Excel裡面輸入所需要畫heatmap圖數據，第一列為名稱，後面的為均一化之後的數值。二代測序的表達量差異的結果，晶片表達差異的結果，甚至是qPCR的結果都可以。
  • R與生物專題 | 第五十四講 R-樣本量及實驗效能計算
    d = 0.3333333 sig.level = 0.05 power = 0.9 alternative = two.sidedNOTE: n is number in *each* group
  • R語言學習 - 熱圖簡化
    假如有兩個文件，第一個文件為行注釋，其第一列與矩陣中的第一列內容相同 (順序沒有關係)，其它列為第一列的不同的標記，如下面示例中(假設行為基因，列為樣品)的2,3列對應基因的不同類型 (TF or enzyme)和不同分組。第二個文件為列注釋，其第一列與矩陣中第一行內容相同，其它列則為樣品的注釋。
  • 如何快速分析樣本之間的相關性(主成分分析):Clustvis
    需要注意的是，數據格式要求樣本的分類信息或者變量的注釋信息都放在最左邊的列或者最上面的行，ClustVis會根據數據類型自動識別為column（row） annotations，這些信息對可視化非常重要。一般來說，數據的每列對應一個樣本，每行對應樣本的一個特徵，如果我們上傳的數據每行對應一個樣本，直接勾選導航欄最下方的transpase matrix就可以將數據矩陣轉置了。
  • Day7:R語言課程 (R語言進行數據可視化)
    使用R base包提供的函數'mean（）'：mean(rpkm_ordered[,"sample1"])只想要其中一個樣本（數據框中的1列）的平均值，可以這樣實現，但要從所有12個樣本中獲取此信息該如何實現？程式語言通常有辦法允許多次執行代碼，或者在「循環」中執行。
  • R語言統計—配對t檢驗樣本量計算
    在我們實際科學研究中，樣本量是一個頭疼的問題。一般而言，樣本量越大，結果估計更精確，但是過大影響計劃的實施，過小不能提供足夠的統計效能。因此如何確定一個合適的樣本量，增加研究的可靠性，得到可信的結果，這是一個重要的問題。因此，我們來講講在R語言中如何計算研究需要的樣本量。一、樣本量的影響因素「我的研究究竟需要多少樣本量？」
  • 一個heatmap是如何練成的!(後附視頻解析)
    使用heatmap可以非常容易展示多組分之間關係或相關性，也是基因表達、前後差異對比大數據關係展示較好的工具，其實啊，實際中只要是矩陣數據也許都合適拿heatmap來展示其內在關係。其實，heatmap還有蘊含著不少分析的秘訣。那麼，高大上的heatmap是怎麼實現的呢？