R中的熱圖/集羣默認值的差異（熱圖與熱圖2）？

Question

我比較於R，一個與made4的heatplot和一個與heatmap.2gplots樹狀創建熱圖的方法有兩種。合適的結果取決於分析，但我試圖理解爲什麼默認值如此不同，以及如何讓兩個函數得到相同的結果（或高度相似的結果），以便我理解所有的「黑盒子」參數進入這個。

這是數據包的例子：

require(gplots) 
# made4 from bioconductor 
require(made4) 
data(khan) 
data <- as.matrix(khan$train[1:30,]) 

聚類heatmap.2數據得出：使用heatplot

heatmap.2(data, trace="none") 

給出：

heatplot(data) 

最初的結果和標準差異很大。 heatplot結果看起來更合理在這種情況下，所以我想了解什麼參數飼料到heatmap.2讓它做同樣的，因爲heatmap.2有其他優點/功能我想使用，因爲我想了解失蹤配料。

heatplot使用平均連鎖與相關距離，所以我們可以饋送到這一點heatmap.2確保類似聚類被使用（基於：https://stat.ethz.ch/pipermail/bioconductor/2010-August/034757.html）

dist.pear <- function(x) as.dist(1-cor(t(x))) 
hclust.ave <- function(x) hclust(x, method="average") 
heatmap.2(data, trace="none", distfun=dist.pear, hclustfun=hclust.ave) 

導致：

這使得行側樹狀圖看起來更相似，但是列依然不同，尺度也不同。看起來heatplot默認情況下以某種方式縮放列，heatmap.2默認情況下不會這樣做。如果我添加一行的縮放，heatmap.2，我得到：

heatmap.2(data, trace="none", distfun=dist.pear, hclustfun=hclust.ave,scale="row") 

仍然是不相同的，但更接近。如何通過heatmap.2重現heatplot的結果？有什麼區別？

EDIT2：這似乎是一個關鍵的區別在於heatplot重新調整與行和列中的數據，使用：

if (dualScale) { 
    print(paste("Data (original) range: ", round(range(data), 
     2)[1], round(range(data), 2)[2]), sep = "") 
    data <- t(scale(t(data))) 
    print(paste("Data (scale) range: ", round(range(data), 
     2)[1], round(range(data), 2)[2]), sep = "") 
    data <- pmin(pmax(data, zlim[1]), zlim[2]) 
    print(paste("Data scaled to range: ", round(range(data), 
     2)[1], round(range(data), 2)[2]), sep = "") 
} 

這就是我試圖導入到我的電話給heatmap.2。我喜歡它的原因是因爲它使得對比度在低值和高值之間變大，而僅僅通過zlim到heatmap.2就被忽略了。我如何在保留沿列的聚類的同時使用這種「雙倍縮放」？我想要的是增加對比度您可以：

heatplot(..., dualScale=FALSE, scale="row")

上任何想法：

heatplot(..., dualScale=TRUE, scale="none")

與你得到的低對比度相比？

Answer 1

heatmap.2和heatplot功能之間的主要區別如下：

1. heatmap.2，作爲默認使用歐幾里德量度，以獲得距離矩陣和用於聚類完整凝聚法，而heatplot用途相關性和平均集聚方法，分別。

2. heatmap.2計算距離矩陣並在縮放之前運行聚類算法，而熱圖（dualScale=TRUE）對已經縮放的數據進行聚類。

3. heatmap.2根據行列平均值重新排列樹狀圖，如here所述。

默認設置（第1頁）可以heatmap.2內來簡單地改變，通過提供定製distfun和hclustfun參數。但是。如果不更改源代碼，則不能輕鬆解決2和3問題。因此heatplot函數充當熱圖的封裝。首先，它對數據進行必要的轉換，計算距離矩陣，對數據進行聚類，然後使用heatmap.2功能僅用上述參數繪製熱圖。

熱圖函數中的參數dualScale=TRUE僅適用於基於行的居中和縮放（description）。然後，重新分配所述經縮放的數據的極值（description）到zlim值：

z <- t(scale(t(data))) 
zlim <- c(-3,3) 
z <- pmin(pmax(z, zlim[1]), zlim[2]) 

---

爲了從heatplot函數的輸出匹配，我想提出兩種解決方案：

我 - 添加新功能的源代碼-> heatmap.3

的代碼可以發現here。隨意瀏覽修訂版以查看對heatmap.2功能所做的更改。總之，我介紹以下選項：zlim=c(-3,3)

選項關掉樹形：scale=c("row","column")

極值可縮放的數據內被重新分配：

• z得分變換之前的聚類進行重排序：reorder=FALSE

一個例子：

# require(gtools) 
# require(RColorBrewer) 
cols <- colorRampPalette(brewer.pal(10, "RdBu"))(256) 

distCor <- function(x) as.dist(1-cor(t(x))) 
hclustAvg <- function(x) hclust(x, method="average") 

heatmap.3(data, trace="none", scale="row", zlim=c(-3,3), reorder=FALSE, 
      distfun=distCor, hclustfun=hclustAvg, col=rev(cols), symbreak=FALSE) 

---

II - 定義一個函數，如果你喜歡使用原heatmap.2提供所有必需的參數爲heatmap.2

，該zClust功能（如下圖）再現所有通過熱圖進行的步驟。它提供（以列表格式）縮放的數據矩陣，行和列樹狀圖。這些可以用作輸入到heatmap.2功能：關於heatmap.2(3)功能

# depending on the analysis, the data can be centered and scaled by row or column. 
# default parameters correspond to the ones in the heatplot function. 
distCor <- function(x) as.dist(1-cor(x)) 
zClust <- function(x, scale="row", zlim=c(-3,3), method="average") { 
    if (scale=="row") z <- t(scale(t(x))) 
    if (scale=="col") z <- scale(x) 
    z <- pmin(pmax(z, zlim[1]), zlim[2]) 
    hcl_row <- hclust(distCor(t(z)), method=method) 
    hcl_col <- hclust(distCor(z), method=method) 
    return(list(data=z, Rowv=as.dendrogram(hcl_row), Colv=as.dendrogram(hcl_col))) 
} 

z <- zClust(data) 

# require(RColorBrewer) 
cols <- colorRampPalette(brewer.pal(10, "RdBu"))(256) 

heatmap.2(z$data, trace='none', col=rev(cols), Rowv=z$Rowv, Colv=z$Colv) 

---

一些附加的說明：

• symbreak=TRUE施加縮放時，建議。它將調整色階，因此它在0左右。在當前示例中，負值=藍色，正值=紅色。
• col=bluered(256)可能會提供另一種着色解決方案，它不需要RColorBrewer庫。