#首先导入我们需要用到的R包library(psych)library(ggpubr)#列出我们需要分析的基因sig_gene <- c("GENE1"," GENE2"," GENE3"," GENE4"," GENE5")#读取基因表达矩阵expr <- read.csv("exp.csv",header=T,row.names=1,check.names=F)#转置，要求行为样本，列为基因，符合的数据就不需要这一步啦expr_data <- t(expr)#读取免疫细胞数据immu_data <- read.table("ciber_result.txt",sep="t",header=T,row.names=1)#去掉最后三列的"P.value"，"Correlation"，"RMSE"（这里用的是cibersort计算方式，所以会有这三列数据哦）immu_data=immu_data[,1:22]#读取关键基因基因表达（如果大家是全部基因分析的话，就不需要这一步了，直接hub <- expr_data就可以啦！）hub <- expr_data[,sig_gene]my <- immu_data#计算相关性（这里使用的是spearman方式，大家也可以选择pearson等其他方式哦！）d <- corr.test(hub,my,use="complete",method = 'spearman')#获取计算结果r值和p值r <- d$rp <- d$p#来画一个普通的热图看看ggcorrplot(t(d$r), show.legend = T,            p.mat = t(d$p), digits = 2,  sig.level = 1,insig = 'blank',lab = T)

#导入R包library(ggplot2)#导入相关性分析结果cor_result<-read.table("corr_result.txt",header=T,check.names=F,sep="t")#这一步很多小伙伴懵了，数据哪来的？别着急，容我慢慢介绍#首先导出上一步得到的P值和R值write.table(t(rbind(r,p)), "corr_result.txt",sep=”t”)#然后就得到了如下的数据

#一共四列，第一列为基因，第二列为免疫细胞名，第三列为相关性R值，第四列为相关性p值#整理完数据然后就可以开始绘图啦#先去除空值哦，数据里有一些NA都需要去掉再开始绘图#导入数据，指定基因和免疫细胞以及R值对应的列gg<-ggplot(cor_result,aes(y=im_cell,x=Gene,fill=Cor))+geom_tile()+theme_bw()+#设置标题字体大小及颜色theme(plot.title = element_text( face = "bold", color = "black", size = 15,  hjust = 0.5))+theme(panel.grid.major = element_blank()) +theme(legend.key=element_blank())+#设置X轴刻度theme(axis.text.x=element_text(angle=45,vjust=0.2,hjust=0.3,size=13,colour="black"))+#设置标签字体大小颜色theme(axis.title=element_text(size=13,colour="black"))+#设置y轴刻度theme(axis.text.y=element_text(size=13,colour="black"))+#定义相关性模块颜色渐变scale_fill_gradient2(low="blue",mid="white",high="red",limits=c(-1,1))+labs(title="Correlation between immune cells and genes",y = "Immune Cell",x="Gene")+geom_text(aes(label=(paste(round(Cor,2),paste("(",signif(p.value,3),")",""),sep="n"))),size=5,color="black",hjust=0.5)+scale_y_discrete(limits=rev(levels(cor_result$im_cell)))#保存图片ggsave(gg,file="corr.pdf",width=15,height=12)#然后让我们看看结果图是什么样子