热图在个组学中的应用十分的广泛，在文献中经常出现，利用颜色直接展示在不同样本中展示基因、代谢物、物种等表达的水平。一张热图像五颜六色的瓷砖一样铺在整张图中，给人视觉上的美感。通过R做heatmap是常用的方法，那我们今天就来学习一下怎样快速绘制热图吧～
安装并加载pheatmap包
#安装pheatmap包
install.packages(“pheatmap”)
#加载
library(pheatmap)
#设置工作路径
setwd(“/Users/sansan/Desktop/未命名文件夹/”)
构建测试数据集
#首先构建一个数据集，作为我们学习的示例
test <- matrix(rnorm(100),10,10)
test[1:10,seq(1,10,2)] <- test[1:10,seq(1,10,2)]+3
test[5:10,seq(1,10,2)] <- test[5:10,seq(1,10,2)]+3
colnames(test) <- paste(“Sample”,1:10,sep = “”)
rownames(test) <- paste(“Gene”,1:10,sep = “”)
test
绘制简单的热图
归一化处理的必要性：是一种数据预处理中特征缩放的（feature scaling）的方法，可以让所有的数据处于一种量纲级别进行分析，更容易直观的阐明数据的差异性。例如归一化到【1，-1】的范围内，消除了异常样本导致结果不良的影响。
在应用前，首先需要了解一些必要的参数。
#scalec = “row” 参数设定对行进行归一化处理
# clustering_method参数设定不同聚类方法，默认为”complete”,可以设定为ward, ward.D, ward.D2, single, complete, average, mcquitty, median or centroid
# clustering_distance_rows = “correlation”参数设定行聚类距离方法为corralation，默认为欧氏距离”euclidean”
# legend_breaks参数设定图例显示范围，legend_labels参数添加图例标签legend_labels = c(“1.0″,”2.0″,”3.0″,”4.0″,”5.0”)
#border=FALSE参数去掉边框线
#border_color参数设定每个热图格子的边框色
#show_rownames和show_colnames参数设定是否显示行名和列名
#treeheight_row和treeheight_col参数设定行和列聚类树的高度，默认为50
#display_numbers = TRUE参数设定在每个热图格子中显示相应的数值
#number_color参数设置数值字体的颜色
# cellwidth和cellheight参数设定每个热图格子的宽度和高度，main参数添加主标题
了解后来简单绘制一个尝试一下：
pheatmap(test,scale = “row”,clustering_method = “average”,clustering_distance_rows = “correlation”,border=FALSE,treeheight_row = 50,treeheight_col =50,cellwidt = 15,cellheight = 20)
这里用到的参数，如果你不明白意义记得去上文中寻找。
添加行信息/列信息（用于代谢通路分析等）
在分析过程中通常会在行或者列添加一行属于
#先构建一个行的信息（用于一些代谢通路富集分析）
annotation_row <- data.frame(Path = factor(rep(c(“one”,”two”),5)))
rownames(annotation_row) <- paste(“Gene”,1:10,sep = “”)
# Path
#Gene1 one
#Gene2 two
#Gene3 one
#Gene4 two
#Gene5 one
#Gene6 two
#Gene7 one
#Gene8 two
#Gene9 one
#Gene10 two
pheatmap(test, annotation_row = annotation_row)
#创建一个行的色块
ann_col = list(Path = c(one = “red”,two = “yellow”))
#把色块映射到图上
pheatmap(test, annotation_row = annotation_row, annotation_colors = ann_col)
其它一些操作
# gaps_row = c(3, 5)参数在第3和5行处添加gap, 要求对行不进行聚类
#cutree_col = 2参数将列按聚类树的结果分成两部分, 要求对列进行聚类
#对行和列都不聚类，自定义划分行和列的gap
#labels_row 参数设置行标签
pheatmap(test, annotation_col = annotation_col, cluster_rows = FALSE, cluster_cols = FALSE, gaps_row = c(3，6), gaps_col = c(2, 5)，labels_row = c())
在做图的过程中我们应该充分考虑你想展示的内容是什么，要传达怎样的生物学内容，告诉读者你的研究结果，而不是一味的只追求好看。在作图的过程中你需要什么就去搜索和探索什么，这里只是简单的热图绘制方法，但是具体怎样呈现还需要进一步的学习。
此外还可以寻找很多小工具绘制热图例如：http://www.biocloudservice.com/747/747.php
今天的分享就到这里叭，小伙伴们如果有什么问题就和小果讨论吧～