R語言學習 - 熱圖繪制heatmap

生成測試數據

繪圖首先需要數據。通過生成一堆的向量，轉換為矩陣，得到想要的數據。

data <- c(1:6, 6:1, 6:1, 1:6, (6:1)/10, (1:6)/10, (1:6)/10, (6:1)/10, 1:6, 6:1, 6:1, 1:6, 6:1, 1:6, 1:6, 6:1)

[1] 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0 6.0 5.0
[15] 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0 5.0 6.0 0.6 0.5 0.4 0.3
[29] 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.1 0.2 0.3 0.4 0.5 0.6
[43] 0.6 0.5 0.4 0.3 0.2 0.1 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0
[57] 4.0 3.0 2.0 1.0 6.0 5.0 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0
[71] 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0 1.0 2.0 3.0 4.0 5.0 6.0
[85] 1.0 2.0 3.0 4.0 5.0 6.0 6.0 5.0 4.0 3.0 2.0 1.0

注意：運算符的優先級

> 1:3+4
[1] 5 6 7
> 1:(3+4)
[1] 1 2 3 4 5 6 7

Vector轉為矩陣 (matrix)，再轉為數據框 (data.frame)

# ncol 指定列數
# byrow 先按行填充數據
# ?matrix 可查看函數的使用方法
# as.data.frame的as系列是轉換用的
data <- as.data.frame(matrix(data, ncol=12, byrow=T))

# 增加列的名字
colnames(data) <- c("Zygote","2_cell","4_cell","8_cell","Morula","ICM","ESC","4 week PGC","7 week PGC","10 week PGC","17 week PGC","OOcyte")
# 增加行的名字
rownames(data) <- paste("Gene", 1:8, sep="_")
# 只顯示前6行和前4列
head(data)[,1:4]

雖然方法比較繁瑣，但一個數值矩陣已經獲得了。

 

還有另外2種獲取數值矩陣的方式。

• 讀入字符串

# 使用字符串的好處是不需要額外提供文件
# 簡單測試時可使用，寫起來不繁瑣，又方便重復
# 尤其適用於在線提問時作為測試案例
> txt <- "ID;Zygote;2_cell;4_cell;8_cell
+ Gene_1;1;2;3;4
+ Gene_2;6;5;4;5
+ Gene_3;0.6;0.5;0.4;0.4"

# 習慣設置quote為空，避免部分基因名字或注釋中存在引號，導致讀入文件錯誤。
> data2 <- read.table(text=txt, sep=";", header=T, row.names=1, quote="")
> head(data2)
       Zygote X2_cell X4_cell X8_cell
Gene_1    1.0     2.0     3.0     4.0
Gene_2    6.0     5.0     4.0     5.0
Gene_3    0.6     0.5     0.4     0.4

可以看到列名字中以數字開頭的列都加了X。一般要盡量避免行或列名字以數字開頭，會給后續分析帶去一些困難；另外名字中出現的非字母、數字、下划線、點的字符都會被轉為點，也需要注意，盡量只用字母、下划線和數字。

# 讀入時，增加一個參數`check.names=F`也可以解決問題。
# 這次數字前沒有再加 X 了
> data2 <- read.table(text=txt, sep=";", header=T, row.names=1, quote="", check.names = F)
> head(data2)
       Zygote 2_cell 4_cell 8_cell
Gene_1    1.0    2.0    3.0    4.0
Gene_2    6.0    5.0    4.0    5.0
Gene_3    0.6    0.5    0.4    0.4

• 讀入文件

與上一步類似，只是改為文件名，不再贅述。

> data2 <- read.table("filename", sep=";", header=T, row.names=1, quote="")

轉換數據格式

數據讀入后，還需要一步格式轉換。在使用ggplot2作圖時，有一種長表格模式是最為常用的，尤其是數據不規則時，更應該使用。

# 如果包沒有安裝，運行下面一句，安裝包
#install.packages(c("reshape2","ggplot2","magrittr"))
library(reshape2)
library(ggplot2)

# 轉換前，先增加一列ID列，保存行名字
data$ID <- rownames(data)

# melt：把正常矩陣轉換為長表格模式的函數。工作原理是把全部的非id列的數值列轉為1列，命名為value；所有字符列轉為variable列。
# id.vars 列用於指定哪些列為id列；這些列不會被merge，會保留為完整一列。
data_m <- melt(data, id.vars=c("ID"))
head(data_m)

             ID     variable   value

1  Gene_1      Zygote   1.0

2  Gene_2      Zygote   6.0

3  Gene_3      Zygote   0.6

4  Gene_4      Zygote   0.1

5  Gene_5      Zygote   1.0

6  Gene_6      Zygote   6.0

7  Gene_7      Zygote   6.0

8  Gene_8      Zygote   1.0

9  Gene_1      2_cell   2.0

10 Gene_2      2_cell   5.0

11 Gene_3      2_cell   0.5

12 Gene_4      2_cell   0.2

13 Gene_5      2_cell   2.0

14 Gene_6      2_cell   5.0

15 Gene_7      2_cell   5.0

16 Gene_8      2_cell   2.0

分解繪圖

數據轉換后就可以畫圖了，分解命令如下：

# data_m: 是前面費了九牛二虎之力得到的數據表
# aes: aesthetic的縮寫，一般指定整體的X軸、Y軸、顏色、形狀、大小等
# 在最開始讀入數據時，一般只指定x和y，其它后續指定
p <- ggplot(data_m, aes(x=variable,y=ID)) 

# 熱圖就是一堆方塊根據其值賦予不同的顏色，所以這里使用fill=value, 用數值做填充色。
p <- p + geom_tile(aes(fill=value))

# ggplot2為圖層繪制，一層層添加，存儲在p中，在輸出p的內容時才會出圖。
p
 
## 如果你沒有使用Rstudio或其它R圖形版工具，而是在遠程登錄的服務器上運行的交互式R，需要輸入下面的語句，獲得輸出圖形（圖形存儲於R的工作目錄下的Rplots.pdf文件中）

熱圖出來了，但有點不對勁，橫軸重疊一起了。一個辦法是調整圖像的寬度，另一個是旋轉橫軸標記

# theme: 是處理圖美觀的一個函數，可以調整橫縱軸label的選擇、圖例的位置等
# 這里選擇X軸標簽45度。
# hjust和vjust調整標簽的相對位置，具體見 
# 簡單說，hjust是水平的對齊方式，0為左，1為右，0.5居中，0-1之間可以取任意值。vjust是垂直對齊方式，0底對齊，1為頂對齊，0.5居中，0-1之間可以取任意值
p <- p + theme(axis.text.x=element_text(angle=45, hjust=1, vjust=1))
p

設置想要的顏色

# 連續的數字，指定最小數值代表的顏色和最大數值賦予的顏色
# 注意fill和color的區別，fill是填充，color只針對邊緣
p <- p + scale_fill_gradient(low = "white", high = "red")
p

調整legend的位置

# postion可以接受的值有 top, bottom, left, right, 和一個坐標 c(0.05,0.8) (左上角，坐標是相對於圖的左下角計算的）
p <- p + theme(legend.position="top")

調整背景和背景格線以及X軸、Y軸的標題(注意灰色的背景沒了)

p <- p + xlab("samples") + theme_bw() + theme(panel.grid.major = element_blank()) + theme(legend.key=element_blank())
p

合並以上命令，就得到了下面這個看似復雜的繪圖命令

p <- ggplot(data_m, aes(x=variable,y=ID)) + xlab("samples") + theme_bw() + theme(panel.grid.major = element_blank()) + theme(legend.key=element_blank())  + theme(axis.text.x=element_text(angle=45,hjust=1, vjust=1)) + theme(legend.position="top") +  geom_tile(aes(fill=value)) + scale_fill_gradient(low = "white", high = "red")

圖形存儲

圖形出來了，就得考慮存儲了

# 可以跟輸出文件不同的后綴，以獲得不同的輸出格式
# colormode支持srgb （屏幕）和cmyk （打印，部分雜志需要，看上去有點褪色的感覺）格式
ggsave(p, filename="heatmap.pdf", width=10, height=15, units=c("cm"),colormodel="srgb")

至此，完成了簡單的heatmap的繪圖。但實際繪制時，經常會碰到由於數值變化很大，導致顏色過於集中，使得圖的可讀性下降很多。因此需要對數據進行一些處理，具體的下次再說。