目录

• 使用R中的ggplot2进行微阵列可视化（红绿热图）
• • 1、常用的方法：biclust包
  • • 1.1 biclust包的安装
    • 1.2 导入biclust包
    • 1.3 生成一些测试数据
    • 1.4 调用drawHeatmap()函数绘制热图
  • 2、ggplot2绘制红绿热图
  • • 2.1 ggplot2、reshape2包的安装
    • 1.2 导入ggplot2、reshape2包
    • 1.3 生成要绘制微阵列的模拟数据
    • 1.3 对数据进行相应的变形处理
    • 1.4 为ggplot2绘图设置颜色（红绿色设置！）
    • 1.5 绘制微阵列（红绿热图）

使用R中的ggplot2进行微阵列可视化（红绿热图）

前段时间做RNA甲基化水平的分析，查了很多绘制热图的资料，发现基本都是绘制普通的热图，生信这一块微阵列可视化的代码几乎找不到，尤其是调成红绿色系的热图的就更少了，然后自己总结了一下，希望能帮大家少走一些弯路。

1、常用的方法：biclust包

常用的方法基本都是在RStudio里面导入biclust包，然后调用drawHeatmap()函数进行热图绘制，但是绘制出的热图是固定形式的，后续要加图例或者标题特别麻烦，不像ggplot2画图那样方便，下面给出drawHeatmap()的使用说明。

1.1 biclust包的安装

install.packages("biclust")

这里因为我已经安装了，就不提供截图了，自己用上面的代码装包就好。

1.2 导入biclust包

library(biclust)

1.3 生成一些测试数据

data <- rbeta(15000, 2.4, 2) data <- matrix(data, nrow = 1000, ncol = 15) data[112:279,3:5] = rbeta(504, 12, 4) data[429:592,5:7] = rbeta(492, 11, 5) data[429:592,8:9] = rbeta(328, 9, 4) data[676:832,8:13] = rbeta(942, 15, 6)

1.4 调用drawHeatmap()函数绘制热图

drawHeatmap(data)

这就出现了之前说的问题，没法直接通过代码加标签、标题或者图例之类的信息，因此自己用ggplot2写了下面的热图可视化程序。

---

2、ggplot2绘制红绿热图

2.1 ggplot2、reshape2包的安装

install.packages("ggplot2") install.packages("reshape2")

1.2 导入ggplot2、reshape2包

`library(ggplot2) `library(reshape2)

1.3 生成要绘制微阵列的模拟数据

# 生成符合beta分布，大小为1000*15的模拟数据 #如果要绘制其他数据的，把这一部分的数据换了就可以 data <- rbeta(15000, 2.4, 2) data <- matrix(data, nrow = 1000, ncol = 15) data[112:279,3:5] = rbeta(504, 12, 4) data[429:592,5:7] = rbeta(492, 11, 5) data[429:592,8:9] = rbeta(328, 9, 4) data[676:832,8:13] = rbeta(942, 15, 6)

1.3 对数据进行相应的变形处理

#把自己的数据读进data后，往后的操作可以直接拿来用 data <- as.data.frame(data) colnames(data) <- seq(1, ncol(data), 1) data$ID <- rownames(data) data_melt <- melt(data, id.vars=c("ID")) data_melt[, 2] <- as.numeric(as.character(data_melt[, 2])) data_melt[, 1] <- as.numeric(data_melt[, 1])

1.4 为ggplot2绘图设置颜色（红绿色设置！）

numColores = 255 * 2 gvect = c(array(255:0), array(0, dim = 255)) rvect = c(array(0, dim = 255), array(0:255)) bvect = array(0, dim = numColores) paleta = rgb(rvect, gvect, bvect, 255, maxColorValue = 255)

1.5 绘制微阵列（红绿热图）

draw <- ggplot(data_melt, aes(x = variable, y = ID)) + geom_tile(aes(fill = value)) +xlab("conditions") + ylab("sites") +scale_fill_gradientn(colours = paleta)

通过上述方法获得的热图可以自己进一步进行美化，灵活度比drawHeatmap()函数要高许多！

---

---

下面是生成的其他数据的微阵列红绿热图：

---

---

生信小白，如果大家有什么问题，欢迎随时交流~

总结

以上是生活随笔为你收集整理的使用R进行微阵列可视化（红绿热图）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。