生物信息学入门 heatmap.2函数绘制热图（heatmap） 数据结构 代码 结果解读

        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:///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

https://blog.csdn.net/tuanzide5233/article/details/82141817