看教程不够直观，那就看视频吧! >>点击加载视频

推荐使用生信人的heatmap工具，更简单： http://gap.shengxin.ren/tool/3/

在基因的表达模式分析中，我们往往需要对多个基因表达数据进行可视化处理，使得我们所关注的基因在不同样本中表达情况一目了然。在日常研究中，我们往往习惯于选择热图实现这一基因表达模式可视化的需求，进而直观的表述我们的基因表达模式的分析结果。

今天就介绍一下非常简易使用的一个绘图包pheatmap

写在前面，准备一个表达谱矩阵，横轴为100个基因，纵轴为208个样本，如下：

首先安装pheatmap

source("http://biocoundctor.org/biocLite.R")
biocLite("pheatmap")

library(pheatmap)

最简单的调用如下:

pheatmap(profile)

长这个鬼样子简直没法看，从右侧可以看出数据跨度很大从0-200以上，图中大部分蓝色显示其实大部分值应该是在0-50这个区间，所以我们调整策略，取log(x+1)

pheatmap(log2(profile+1))

比之前好看了点，但是还是有好多黄色，但是很明显看得出来聚类效果比之前好多了，但是很明显最小值太小以至于几乎看不到蓝色，颜色区分不开，进一步的来调整一下区间

bk = unique(c(seq(-5,5, length=100)))
pheatmap(log2(profile+1),breaks = bk)

此时看起来还不错，但是这个颜色有点不舒服，换个颜色试试

bk = unique(c(seq(-5,5, length=100)))
pheatmap(log2(profile+1),breaks = bk
         ,color = colorRampPalette(c("navy", "white", "firebrick3"))(100))

bk = unique(c(seq(-5,5, length=100)))
pheatmap(log2(profile+1),breaks = bk,scale = 'column'
         ,color = colorRampPalette(c("navy", "white", "firebrick3"))(100))

从图中可以看到有些基因在不同的样本中表达趋势比较一致的情况了，此时纵轴样本一团糊没什么意义，先把他去掉

bk = unique(c(seq(-5,5, length=100)))
pheatmap(log2(profile+1),breaks = bk,scale = 'column',show_rownames = F
         ,color = colorRampPalette(c("navy", "white", "firebrick3"))(100))

bk = unique(c(seq(-5,5, length=100)))
clust=pheatmap(log2(profile+1),breaks = bk,scale = 'column'
         ,show_rownames = F
         ,color = colorRampPalette(c("navy", "white", "firebrick3"))(100))
annotation_col = data.frame(
  ClassGene = factor(paste0('Cluster',cutree(clust$tree_col,10)))
)
rownames(annotation_col) = colnames(profile)
pheatmap(log2(profile+1),breaks = bk,scale = 'column'
         ,show_rownames = F
         ,annotation_col = annotation_col
         ,color = colorRampPalette(c("navy", "white", "firebrick3"))(100))