生物信息学习的正确姿势
NGS系列文章包括NGS基础、在线绘图、转录组分析 （Nature重磅综述|关于RNA-seq你想知道的全在这）、ChIP-seq分析 （ChIP-seq基本分析流程）、单细胞测序分析 (重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程)、DNA甲基化分析、重测序分析、GEO数据挖掘（典型医学设计实验GEO数据分析 (step-by-step)）、批次效应处理等内容。
聚类热图的层级关系是固定的，但分支的左右镜像是可变的。如何让聚类结果更好的呈现我们想要的顺序呢？看下面的操作。
数据示例
-
exprTable <- read.table(
"exprTable.txt", sep=
"\t", row.names=
1, header=T, check.names = F)
-
exprTable
测试时直接拷贝这个数据即可
-
## Zygote
2_cell
4_cell
8_cell Morula ICM
-
## Pou5f1
1.0
2.0
4.0
8.0
16.0
32.0
-
## Sox2
0.5
1.0
2.0
4.0
8.0
16.0
-
## Gata2
0.3
0.6
1.3
2.6
5.2
10.4
-
## cMyc
10.4
5.2
2.6
1.3
0.6
0.3
-
## Tet1
16.0
8.0
4.0
2.0
1.0
0.5
-
## Tet3
32.0
16.0
8.0
4.0
2.0
1.0
绘制一个聚类热图很简单
-
library(pheatmap)
-
pheatmap(exprTable)
如何自定义分支顺序呢
自己做个hclust传进去，顺序跟pheatmap默认是一样的
-
exprTable_t <- as.data.frame(t(exprTable))
-
-
col_dist = dist(exprTable_t)
-
-
hclust_1 <- hclust(col_dist)
-
-
pheatmap(exprTable, cluster_cols = hclust_1)
人为指定顺序排序样品
按发育时间排序样品
-
manual_order = c(
"Zygote",
"2_cell",
"4_cell",
"8_cell",
"Morula",
"ICM")
-
-
dend = reorder(as.dendrogram(hclust_1), wts=order(match(manual_order, rownames(exprTable_t))))
-
-
# 默认为mean，无效时使用其他函数尝试
-
# dend = reorder(as.dendrogram(hclust_1), wts=order(match(manual_order, rownames(exprTable_t))), agglo.FUN = max)
-
-
col_cluster <- as.hclust(dend)
-
-
pheatmap(exprTable, cluster_cols = col_cluster)
按某个基因的表达由小到大排序
可以按任意指标排序，基因表达是一个例子。
-
dend = reorder(as.dendrogram(hclust_1), wts=exprTable_t$Tet3)
-
-
col_cluster <- as.hclust(dend)
-
-
pheatmap(exprTable, cluster_cols = col_cluster)
按某个基因的表达由大到小排序
-
dend = reorder(as.dendrogram(hclust_1), wts=exprTable_t$Tet3*(
-1))
-
-
col_cluster <- as.hclust(dend)
-
-
pheatmap(exprTable, cluster_cols = col_cluster)
按分支名字（样品名字）的字母顺序排序
-
library(dendextend)
-
col_cluster <- hclust_1 %>% as.dendrogram %>% sort %>% as.hclust
-
pheatmap(exprTable, cluster_cols = col_cluster)
梯子形排序：最小的分支在右侧
-
col_cluster <- hclust_1 %>% as.dendrogram %>% ladderize(TRUE) %>% as.hclust
-
pheatmap(exprTable, cluster_cols = col_cluster)
梯子形排序：最小的分支在左侧
-
col_cluster <- hclust_1 %>% as.dendrogram %>% ladderize(FALSE) %>% as.hclust
-
pheatmap(exprTable, cluster_cols = col_cluster)
按特征值排序
样本量多时的自动较忧排序
-
sv = svd(exprTable)$v[,
1]
-
dend = reorder(as.dendrogram(hclust_1), wts=sv)
-
col_cluster <- as.hclust(dend)
-
-
pheatmap(exprTable, cluster_cols = col_cluster)
https://stackoverflow.com/questions/52446477/r-hclust-common-order-for-multiple-trees
https://www.biostars.org/p/237067/
往期精品(点击图片直达文字对应教程)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集
转载：https://blog.csdn.net/qazplm12_3/article/details/108675705
查看评论