相关性热图、圈图、弦图（笔记）

用图表、思维导图辅助笔记，更直观 #生活乐趣# #阅读乐趣# #阅读笔记#

首先非常欢迎大家在我们公众号平台分享自己与生物信息学/生信技能树的故事或者生信笔记，学习心得体会！

下面是一年前的马拉松课程学员的分享

生信技能树优秀学员笔记，代码主要来自生信技能树的直播课程，加上自己的理解和发挥。

数据准备：

如下所示，可以看到有多个样品，每个样品都有多个基因表达量，这个时候我们比较关心的是这些基因的表达量相关性（在多个样品），基因与基因之间有两两组合相关性：

M: 很容易计算基因之间的相关性矩阵

代码语言：javascript

AI代码解释

复制

#感兴趣基因/样本的相关性图---- rm(list = ls()) load(file = "step1output.Rdata") load(file = "step4output.Rdata") load(file = 'step2output.Rdata') library(dplyr) library(ggplot2) library(pheatmap) library(corrplot) dat = deg[!duplicated(deg$symbol),] exp = exp[dat$probe_id,] rownames(exp) = dat$symbol g = c("TIMM50", "GOLGA2", "CLIP1", "DDX6", "CTSZ", "P2RY12", "LTF", "HBD", "F3", "ZFP36L2") a = exp[g,] M = cor(t(exp[g,])) #cor()函数可以对矩阵计算相关性（谁在列的位置就计算谁的相关性） #画基因之间的相关性，cor函数后面的矩阵exp[g,]要以基因为列名（转置一下） #画样本之间的相关性，cor函数后面的矩阵exp[g,]要以样本为列名（不要转置） #相关性热图 pheatmap(M) #相关性圆圈图 library(paletteer) my_color = rev(paletteer_d("RColorBrewer::RdYlBu")) my_color my_color = colorRampPalette(my_color)(10) #整成10个色阶 # library(RColorBrewer) # my_color=rev(brewer.pal(10, "RdYlBu")) corrplot(M, type="upper", method="pie", order="hclust", col=my_color, tl.col="black", #tl.pos = "d", tl.srt=45 ) #corrplot不能赋值，和其他R包拼图就比较费劲 library(cowplot) #比patchwork包更强的拼图包 cor_plot <- recordPlot() #cowplot包里的recordPlot函数可以把这个相关性图抠下来强行赋值 # 拼图（相关性图属于另外一个拼图体系） #load("pca_plot.Rdata") pdf("cor_plot.pdf", width = 10, height = 10) plot_grid(cor_plot) #plot_grid(pca_plot,cor_plot) #cowplot包里的plot_grid()函数允许跨绘图体系拼图 dev.off()

代码语言：javascript

AI代码解释

复制

## 圆圈视图 M = cor(t(a)) p.mat <- cor.mtest(t(a))$p library(paletteer) my_color = rev(paletteer_d("RColorBrewer::RdYlBu")[-1]) my_color = colorRampPalette(my_color)(10) png("plot/corrplot.png",height = 1000,width = 1000) corrplot(M, type="upper", order="hclust", col = my_color, p.mat = p.mat, sig.level = 0.01, insig = "blank", tl.col = "black", tl.srt=45) dev.off()

相关性弦图：连线就代表了基因间表达值的相关性信息，红色代表正相关，绿色代表负相关，颜色越深或连线越粗代表相关强度越高。 一行是一个连接关系，第一列和第二列是要连接的两边，第三列是连接的强度。

代码语言：javascript

AI代码解释

复制

## 相关性弦图 library(circlize) library(tidyr) library(tibble) library(ComplexHeatmap) mat = M df = mat %>% as.data.frame() %>% rownames_to_column(var = "from") %>% pivot_longer(names_to = "to", values_to = "value", cols = 2:(nrow(mat)+1) #有10个基因，这里就是11 ) df = df[df$from != df$to,] df = df[!duplicated(df$value),] #自定义边的颜色 library(RColorBrewer) col_sample = c(brewer.pal(n = 12,name = "Set3") #brewer.pal(n = 8,name = "Set2") ) col_sample border_color <- sample(col_sample,nrow(mat)) #border_color = c("#66C2A5", "#FC8D62", "#8DA0CB", "#E78AC3") #根据相关性大小展示连线的颜色范围：红 白 绿 col = colorRamp2(c(-1, 0, 1), c('green', 'white', 'red'), transparency = 0.5) # range(mat) # col <- colorRamp2(range(mat), c("#FA0A0A", "#FFFFFF")) # ComplexHeatmapt添加图例 lgd = Legend(col_fun = col, title = "foo") ComplexHeatmap:::width(lgd) ComplexHeatmap:::height(lgd) pushViewport(viewport(width = 0.9, height = 0.9)) grid.rect() # border draw(lgd, x = unit(1, "cm"), y = unit(1, "cm"), just = c("left", "bottom")) # draw(lgd, x = unit(0.5, "npc"), y = unit(0.5, "npc")) # draw(lgd, x = unit(1, "npc"), y = unit(1, "npc"), just = c("right", "top")) popViewport() chordDiagram(x = df, directional = 0, #表示线条的方向，0代表没有方向，1代表正向，-1代表反向，2代表双向 grid.col = border_color, #圈的颜色 col = col, #弦的颜色 annotationTrack = c('grid', 'name', 'axis'), #绘制外周圆弧区，显示名称和刻度轴 annotationTrackHeight = c(0.05, 0.1),#外面一圈的宽度 transparency = 0.25#线条的透明度 )

以下是小洁老师看到我的需求后发来的资料投喂: 弦图的边距问题： R circlize - 绘制边距和绘制区域- circlize - 码客 (oomake.com) 弦图函数的书： Chapter 16 A complex example of Chord diagram | Circular Visualization in R (jokergoo.github.io) 弦图图例用complexheatmap实现： Chapter 5 Legends | ComplexHeatmap Complete Reference (jokergoo.github.io

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2023-02-19，如有侵权请联系 [email protected] 删除

网址：相关性热图、圈图、弦图（笔记） https://c.klqsh.com/news/view/324051

相关内容

从海洋图鉴到美食探索：《海错图笔记》的深度之旅
网络流行热词趣味性爆料热度娱乐圈人物手绘公众号封面首图
娱乐圈八卦热点独播趣味封面首图
App热图
Win11笔记本桌面无“此电脑”图标？实用解决指南
朋友圈图片设计
朋友圈背景图片带字励志，简单又个性！
时尚圈圈花纹边框矢量图图片
思维导图写日记的乐趣
励志和AI相关图片

随便看看