R 使用 pheatmap 套件繪製熱圖 Heatmap 教學與範例

介紹如何使用 R 的 pheatmap 套件畫出精緻的熱圖（heatmap）。

安裝 pheatmap 套件

R 的 CRAN 官方套件庫就有收錄 pheatmap 套件，所以可以直接使用 install.packages 安裝：

# 安裝 pheatmap 套件
install.packages("pheatmap")

若在自動化的指令稿中，可以這樣寫：

# 自動安裝與載入 pheatmap 套件
if(!require(pheatmap)){
  install.packages("pheatmap")
  library(pheatmap)
}

基本熱圖

pheatmap 在繪製熱圖的時候，主要的資料是以數值矩陣的格式傳入，以下我們先產生一個測試用的矩陣資料：

# 建立測試用矩陣資料
set.seed(1)
mat <- matrix(rnorm(200), 20, 10)
mat[1:10, seq(1, 10, 2)] <- mat[1:10, seq(1, 10, 2)] + 3
mat[11:20, seq(2, 10, 2)] <- mat[11:20, seq(2, 10, 2)] + 2
mat[15:20, seq(2, 10, 2)] <- mat[15:20, seq(2, 10, 2)] + 4

pheatmap 在繪製熱圖的時候，會使用到矩陣的行與列名稱作為資料對應的依據以及文字標示，所以建議將行與列的名稱也都設定好：

# 設定矩陣的行與列名稱
colnames(mat) <- paste("Test", 1:10, sep = "")
rownames(mat) <- paste("Gene", 1:20, sep = "")

查看產生的矩陣資料：

# 查看矩陣
head(mat)

         Test1       Test2    Test3       Test4    Test5       Test6    Test7
Gene1 2.373546  0.91897737 2.835476  2.40161776 2.431331 -0.62036668 2.494043
Gene2 3.183643  0.78213630 2.746638 -0.03924000 2.864821  0.04211587 4.343039
Gene3 2.164371  0.07456498 3.696963  0.68973936 4.178087 -0.91092165 2.785421
Gene4 4.595281 -1.98935170 3.556663  0.02800216 1.476433  0.15802877 2.820443
Gene5 3.329508  0.61982575 2.311244 -0.74327321 3.593946 -0.65458464 2.899809
Gene6 2.179532 -0.05612874 2.292505  0.18879230 3.332950  1.76728727 3.712666
           Test8    Test9     Test10
Gene1 -1.9143594 3.425100 -1.2313234
Gene2  1.1765833 2.761353  0.9838956
Gene3 -1.6649724 4.058483  0.2199248
Gene4 -0.4635304 3.886423 -1.4672500
Gene5 -1.1159201 2.380757  0.5210227
Gene6 -0.7508190 5.206102 -0.1587546

建立好矩陣資料之後，就可以直接呼叫 pheatmap 繪製基本的熱圖：

# 基本熱圖
pheatmap(mat)

自訂顏色

若要改變熱圖的顏色，可以使用 color 參數自訂色盤：

# 自訂顏色
pheatmap(mat, color = colorRampPalette(c("navy", "white", "firebrick3"))(5))

在圖形的左側有一個色盤對應表，如果不想顯示它，可以將 legend 設為 FALSE。

# 不顯示色盤對應表
pheatmap(mat, legend = FALSE)

數值標準化

如果需要在繪製熱圖時，先將數值進行標準化（平均值調整為 0，標準差調整為 1），可以加上 scale 參數，並指定要依照行（column）或列（row）進行標準化：

# 以列（row）的方向進行數值的標準化
pheatmap(mat, scale = "row")

數值標示

若要將實際的數值直接標示在熱圖之中，可以加上 display_numbers 參數：

# 標示數值
pheatmap(mat, display_numbers = TRUE)

分群

若要自動將矩陣的列先以 K-means 分群好再畫熱圖，可以加上 kmeans_k 參數指定分群數：

# 使用 K-means 將矩陣的列做分群
pheatmap(mat, kmeans_k = 3)

pheatmap 預設會使用歐式距離（Euclidean distance）作為分群的基準，亦可改用皮爾遜積矩相關係數（Pearson correlation），這部份可以透過 clustering_distance_rows 與 clustering_distance_cols 來調整：

# 以相關係數分群
pheatmap(mat, clustering_distance_rows = "correlation")

如果不想進行分群，可以直接透過 cluster_rows 與 cluster_cols 將分群功能關閉：

# 不進行列方向的分群
pheatmap(mat, cluster_row = FALSE)

另外亦可自己定義距離矩陣進行分群：

# 自訂距離矩陣，進行分群
drows = dist(mat, method = "minkowski")
dcols = dist(t(mat), method = "minkowski")
pheatmap(mat, clustering_distance_rows = drows, clustering_distance_cols = dcols)

固定格子大小

如果要固定熱圖中格子的大小，可以使用 cellwidth 與 cellheight 來設定格子的寬度與高度：

# 固定格子的大小
pheatmap(mat, cellwidth = 15, cellheight = 15)

行與列標注資訊

我們也可以在熱圖的周圍加上一些標注資訊，顯示資料的其他各種屬性。標注可以加在矩陣的行或列上，這裡我們先產生行與列的標注資料。

# 產生行的標注資訊
annotation_col = data.frame(
  CellType = factor(rep(c("CT1", "CT2"), 5)),
  Time = 1:5)
rownames(annotation_col) = paste("Test", 1:10, sep = "")

# 產生列的標注資訊
annotation_row = data.frame(
  GeneClass = factor(rep(c("Path1", "Path2", "Path3"), c(10, 4, 6))))
rownames(annotation_row) = paste("Gene", 1:20, sep = "")

在建立標注資料時，要注意 rownames 的設定要跟之前矩陣的 rownames 與 colnames 設定吻合。
有了標注資料，就可以透過 annotation_col 與 annotation_row 在熱圖中加入標注資訊：

# 加上行與列的標注資訊
pheatmap(mat, annotation_col = annotation_col, annotation_row = annotation_row)

如果要關閉右側的標注資訊的對照表，可將 annotation_legend 設定為 FALSE：

# 關閉標注資訊的對照表
pheatmap(mat, annotation_col = annotation_col, annotation_legend = FALSE)