R语言如何绘制相关性热图

什么是相关性热图？

相关性是指两个或多个变量之间的关系或相互影响程度。若两组的值一起增大，我们称之为正相关，若一组的值增大时，另一组的值减小，我们称之为负相关。其值介于-1与1之间，即越接近1，越正相关；越接近-1，越负相关。

常见的有两种计算相关性的算法：皮尔逊相关性(pearson)和斯皮尔曼相关性(spearman)。皮尔逊相关性最常用，适合正态分布的数据。斯皮尔曼相关性是秩相关，不受极大极小值的影响。

在组学中的应用，例如，两个技术性重复实验的结果相关性很低，则说明数据有异常。

需要注意的地方，做样本之间的相关性的时候，蛋白之间要对应，不可随意打乱顺序。数据中有缺失值的情况，通常用”pairwise.complete.obs”算法处理缺失值，即两两配对删除缺失值。

相关性热图就是，用热图的形式展现出相关性的结果。

绘图前的数据准备

这里就用R语言自带的示例数据了，mtcars

# A tibble: 32 x 11
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1
 4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1
 5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
 6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1
 7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4
 8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2
 9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
# i 22 more rows

R语言如何绘制相关性热图

# 代码来源：https://www.r2omics.cn/
# 加载R包，没有安装请先安装  install.packages("包名") 
library(pheatmap)

# 读取相关性热图数据文件
df= mtcars 

# 计算相关性
r <- cor(df,
         method = "pearson",           # 计算相关性的方法有"pearson", "spearman", "kendall"
         use = "pairwise.complete.obs" # 缺失值处理的方式
) 

# 绘制热图
pheatmap(r, 
         show_colnames = TRUE,   # 是否显示列名
         show_rownames=TRUE,     # 是否显示行名
         fontsize=10,             # 字体大小
         color = c(colorRampPalette(c("blue", "#f3f3f4"))(50),
                   colorRampPalette(c("#f3f3f4", "red"))(50)), # 指定热图的颜色
         breaks=c(seq(-1,1,length.out=100)),
         display_numbers=T,
         number_color="white",
         number_format = "%.2f",
         annotation_legend=TRUE, # 是否显示图例
         border_color=NA,        # 边框颜色 NA表示没有
         scale="none",           # 指定归一化的方式。"row"按行归一化，"column"按列归一化，"none"不处理
         cluster_rows = TRUE,    # 是否对行聚类
         cluster_cols = TRUE     # 是否对列聚类
)