招生代理平台网站seo优化案例
数据聚类然后展示聚类热图是生物信息中组学数据分析的常用方法，在R语言中有很多函数可以实现，譬如heatmap,kmeans等，除此外还有一个用得比较多的就是heatmap.2。最近在网上看到一个笔记文章关于《一步一步学heatmap.2函数》，在此与大家分享。由于原作者不详，暂未标记来源，请原作者前来认领哦，O(∩_∩)O哈哈~
数据如下：library(gplots)
data(mtcars)
x
rc
cc
X就是一个矩阵，里面是我们需要画热图的数据。
Rc是一个调色板，有32个颜色，渐进的
Cc也是一个调色板，有11个颜色，也是渐进的
首先画一个默认的图：heatmap.2(x)
然后可以把聚类数可以去掉：就是控制这个dendrogram参数heatmap.2(x, dendrogram="none")
然后我们控制一下聚类树heatmap.2(x, dendrogram="row") # 只显示行向量的聚类情况
heatmap.2(x, dendrogram="col") #只显示列向量的聚类情况
下面还是在调控聚类树，但是我没看懂跟上面的参数有啥子区别！heatmap.2(x, keysize=2) ## default - dendrogram plotted and reordering done.
heatmap.2(x, Rowv=FALSE, dendrogram="both") ## generate warning!
heatmap.2(x, Rowv=NULL, dendrogram="both") ## generate warning!
heatmap.2(x, Colv=FALSE, dendrogram="both") ## generate warning!
接下来我们可以调控行列向量的label的字体大小方向
首先我们调控列向量，也就是x轴的labelheatmap.2(x, srtCol=NULL)
heatmap.2(x, srtCol=0, adjCol = c(0.5,1) )
heatmap.2(x, srtCol=45, adjCol = c(1,1) )
heatmap.2(x, srtCol=135, adjCol = c(1,0) )
heatmap.2(x, srtCol=180, adjCol = c(0.5,0) )
heatmap.2(x, srtCol=225, adjCol = c(0,0) ) ## not very useful
heatmap.2(x, srtCol=270, adjCol = c(0,0.5) )
heatmap.2(x, srtCol=315, adjCol = c(0,1) )
heatmap.2(x, srtCol=360, adjCol = c(0.5,1) )
然后我们调控一下行向量，也就是y轴的labelheatmap.2(x, srtRow=45, adjRow=c(0, 1) )
heatmap.2(x, srtRow=45, adjRow=c(0, 1), srtCol=45, adjCol=c(1,1) )
heatmap.2(x, srtRow=45, adjRow=c(0, 1), srtCol=270, adjCol=c(0,0.5) )
设置 offsetRow/offsetCol 可以把label跟热图隔开！## Show effect of offsetRow/offsetCol (only works when srtRow/srtCol is
## not also present) heatmap.2(x, offsetRow=0, offsetCol=0)
heatmap.2(x, offsetRow=1, offsetCol=1)
heatmap.2(x, offsetRow=2, offsetCol=2)
heatmap.2(x, offsetRow=-1, offsetCol=-1)
heatmap.2(x, srtRow=0, srtCol=90, offsetRow=0, offsetCol=0)
heatmap.2(x, srtRow=0, srtCol=90, offsetRow=1, offsetCol=1)
heatmap.2(x, srtRow=0, srtCol=90, offsetRow=2, offsetCol=2)
heatmap.2(x, srtRow=0, srtCol=90, offsetRow=-1, offsetCol=-1)
## Show effect of z-score scaling within columns, blue-red color scale
hv
hv是一个热图对象！！！> names(hv) # 可以看到hv对象里面有很多子对象
> "rowInd" "colInd" "call" "colMeans" "colSDs" "carpet" "rowDendrogram" "colDendrogram" "breaks" "col" "vline" "colorTable" ## Show the mapping of z-score values to color bins hv$colorTable
## Extract the range associated with white 我们得到了热图的颜色的数值映射矩阵，接下来就可以进行一系列的操作~！！！
hv$colorTable[hv$colorTable[,"color"]=="#FFFFFF",]
首先得到了白色所对应的数值区间！
然后还可以通过一下命令，直接求出属于白色区间的那些数值。whiteBin
rbind(whiteBin[1] * hv$colSDs + hv$colMeans, whiteBin[2] * hv$colSDs + hv$colMeans )
调整scale参数选择按照列还是行来进行数据的标准化heatmap.2(x, col=bluered, scale="column", tracecol="#303030")
heatmap.2(x, col=bluered, scale="row", tracecol="#303030")
如果选择了标准化，那么还可以手工调整标准化的参数：
rowMeans, rowSDs
mean and standard deviation of each row: only present if scale="row"
colMeans, colSDs
mean and standard deviation of each column: only present if scale="column"
通过hclustfun参数来调整聚类方法：参考：怎样在heatmap中使用多种cluster方法Cluster_Method
#R语言里面自带的hclust函数共有7种聚类方法
for (i in 1:length(Cluster_Method)){
#make a function to extract the cluster method
myclust
hclust(x,method=Cluster_Method[i])
}
#make heatmap by jpeg
jpeg(filename=paste(Cluster_Method[i],'.jpg'),width=1024,height=728)
heatmap.2(as.matrix(Data_Top1k_Var),
trace='none',
hclustfun=myclust,
labRow=NA,
ColSideColors=c('black',grey(0.4),'lightgrey')[as.factor(CellLine_Anno$Type)],
xlab='CellLines',
ylab='Probes',
main=Cluster_Method[i],
col=greenred(64))
dev.off()
}
这样就可以一下子把七种cluster的方法依次用到heatmap上面来。而且通过对cluster树的比较，我们可以从中挑选出最好、最稳定到cluster方法，为后续分析打好基础！
对下面这个数据聚类：
require(graphics)
hc
plot(hc)
首先对一个数据框用dist函数处理得到一个dist对象！
Dist对象比较特殊，专门为hclust函数来画聚类树的！