#安装需要的R包BiocManager::install("pheatmap")install.packages(“tidyverse”)install.packages("RColorBrewer")install.packages("gplots")#加载需要的R包library(pheatmap)library(RColorBrewer)library(immunedeconv)library(tidyverse)library(gplots)

#EXP.txt基因表达矩阵，行名为基因名，列名为样本名dat <- read.table("EXP.txt",sep = "t",row.names = 1,header = T,stringsAsFactors = F,check.names = F)

#group.txt，风险评分高低分组样本信息文件,第一列为样本名，第二列为高低分组信息ann <- read.table("group.txt",sep = "t",header = T,stringsAsFactors = F,check.names = F)

#利用xcell算法进行免疫浸润分析xcell<-immunedeconv::deconvolute(dat, "xcell")

#将数据类型转化为数据框xcell<-as.data.frame(xcell)#添加免疫浸润算法名称xcell$cell_type<-paste0(xcell$cell_type,"_XCELL")#添加新的列名xcell$Immunemethod<-"XCELL"#利用epic算法进行免疫浸润分析epic<-immunedeconv::deconvolute(dat, "epic")

#将数据类型转化为数据框epic<-as.data.frame(epic)#添加免疫浸润算法名称epic$cell_type<-paste0(epic$cell_type,"_EPIC")#添加新的列名epic$Immunemethod<-"EPIC"#利用mcp_counter算法进行免疫浸润分析mcp_counter<-immunedeconv::deconvolute(dat,"mcp_counter")

#将数据类型转化为数据框mcp_counter<-as.data.frame(mcp_counter)#添加免疫浸润算法名称mcp_counter$cell_type<-paste0(mcp_counter$cell_type,"_MCPCOUNTER")##添加新的列名mcp_counter$Immunemethod<-"MCPCOUNTER"#合并xcell,epic和mcp_counter三种算法免疫细胞矩阵Immune<-rbind(xcell,epic,mcp_counter)#提取免疫细胞矩阵final<-select(Immune,-Immunemethod)#把列名改成行名final<-column_to_rownames(final,var="cell_type")#匹配高低风险组样本信息Immunesample<-match(ann$sample,colnames(final))final<-final[,Immunesample]# 定义颜色3.绘制免疫细胞热图methods.col <- brewer.pal(n = length(unique(Immune$immMethod)),name = "Paired")# 创建注释# 列注释，位于热图顶端annCol <- data.frame(RiskType = ann$group,                     # 以上是risk score和risk type两种注释，可以按照这样的格式继续添加更多种类的注释信息，记得在下面的annColors里设置颜色                     row.names = ann$sample,                     stringsAsFactors = F)
# 行注释，位于热图左侧annRow<-data.frame(Methods=factor(Immune$Immunemethod,levels=unique(Immune$Immunemethod)),row.names = Immune$cell_type,                  stringsAsFactors = F)
# 为各注释信息设置颜色annColors <- list(Methods = c("XCELL" = methods.col[1],                              "EPIC" = methods.col[2],                              "MCPCOUNTER" = methods.col[3]),                  # 下面是列注释的颜色，可依此设置更多注释的颜色                  "RiskType" = c("High" = "red","Low" = "blue"))
# 数据标准化indata <- final[,colSums(final) > 0] # 确保没有富集全为0的细胞#确定免疫细胞含量范围standarize.fun <- function(indata=NULL, halfwidth=NULL, centerFlag=T, scaleFlag=T) {    outdata=t(scale(t(indata), center=centerFlag, scale=scaleFlag))  if (!is.null(halfwidth)) {    outdata[outdata>halfwidth]=halfwidth    outdata[outdata<(-halfwidth)]= -halfwidth  }  return(outdata)}plotdata <- standarize.fun(indata,halfwidth = 2)# pheatmap绘图pheatmap::pheatmap(mat = as.matrix(plotdata), # 标准化后的数值矩阵                   border_color = NA, # 无边框色                   color = bluered(64), # 热图颜色为红蓝                   cluster_rows = F, # 行不聚类                   cluster_cols = F, # 列不聚类                   show_rownames = T, # 显示行名                   show_colnames = F, # 不显示列名                   annotation_col = annCol, # 列注释                   annotation_row = annRow, # 行注释                   annotation_colors = annColors, # 注释颜色                   gaps_col = table(annCol$RiskType)[2], # 列分割                   gaps_row = cumsum(table(annRow$Methods)), # 行分割                   cellwidth = 0.8, # 元素宽度                   cellheight = 10, # 元素高度                   filename = "immune_heatmap_by_pheatmap.pdf")#保存图片