R 中热图/聚类默认值的差异（热图与热图.2）？

Question

我正在比较两种在 R 中使用树状图创建热图的方法，一种是使用 made4 的 heatplot，另一种是使用 gplots 的 heatmap.2。适当的结果取决于分析，但我试图理解为什么默认值如此不同，以及如何让两个函数给出相同的结果（或高度相似的结果），以便我理解所有的“黑盒”参数进入这个。

这是示例数据和包：

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

使用 heatmap.2 对数据进行聚类得到：

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

使用heatplot 给出：

heatplot(data)

最初的结果和缩放比例非常不同。 heatplot 结果在这种情况下看起来更合理，所以我想了解将哪些参数输入 heatmap.2 以使其执行相同的操作，因为 heatmap.2 具有我想使用的其他优点/功能，并且因为我想了解缺少的成分。

heatplot 使用具有相关距离的平均链接，因此我们可以将其输入heatmap.2 以确保使用类似的聚类（基于：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)

导致：

这使得行侧树状图看起来更相似，但列仍然不同，比例也不同。看来heatplot 默认情况下会以某种方式缩放列，而heatmap.2 默认情况下不会这样做。如果我向 heatmap.2 添加行缩放，我得到：

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

这仍然不相同，但更接近。如何使用heatmap.2 重现heatplot 的结果？有什么区别？

edit2：一个关键的区别似乎是heatplot 用行和列重新缩放数据，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 = "")
}

这就是我要导入到我对heatmap.2 的调用中的内容。我喜欢它的原因是因为它使低值和高值之间的对比度更大，而只是将zlim 传递给heatmap.2 会被忽略。如何在保留沿列的聚类的同时使用这种“双重缩放”？我想要的只是增加对比度：

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

与您获得的低对比度相比：

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

对此有什么想法吗？

Answer 1

heatmap.2 和heatplot 函数的主要区别如下：

1. heatmap.2，默认使用euclidean度量来获取距离矩阵和完整聚类方法，而heatplot使用correlation 和平均聚集法。

2. heatmap.2 计算距离矩阵并在缩放之前运行聚类算法，而 heatplot（当 dualScale=TRUE 时）聚类已经缩放的数据。

3. heatmap.2 根据行和列的平均值对树状图重新排序，如 here 所述。

通过提供自定义distfun 和hclustfun 参数，可以在heatmap.2 中简单地更改默认设置（第1 页）。然而 p。如果不更改源代码，则无法轻松解决 2 和 3 问题。因此heatplot 函数充当 heatmap.2 的包装器。首先，它对数据进行必要的转换，计算距离矩阵，对数据进行聚类，然后使用 heatmap.2 功能仅使用上述参数绘制热图。

heatplot 函数中的 dualScale=TRUE 参数仅适用于基于行的居中和缩放 (description)。然后，它将缩放数据的极值 (description) 重新分配给 zlim 值：

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

---

为了匹配热图函数的输出，我想提出两个解决方案：

我 - 为源代码添加新功能-> heatmap.3

代码可以在here找到。随意浏览修订以查看对 heatmap.2 功能所做的更改。综上，我介绍了以下几个选项：

• z-score 转换在聚类之前执行：scale=c("row","column")
• 可以在缩放数据中重新分配极值：zlim=c(-3,3)
• 关闭树状图重新排序的选项：reorder=FALSE

一个例子：

# 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 - 定义一个向heatmap.2提供所有必需参数的函数

如果您更喜欢使用原始 heatmap.2，zClust 函数（如下）会重现 heatplot 执行的所有步骤。它提供（以列表格式）缩放的数据矩阵、行和列树状图。这些可以用作 heatmap.2 函数的输入：

# 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)

---

关于 heatmap.2(3) 功能的一些额外的 cmets：

• 应用缩放时建议使用symbreak=TRUE。它将调整色阶，因此它会在 0 附近中断。在当前示例中，负值 = 蓝色，而正值 = 红色。
• col=bluered(256) 可能会提供另一种着色解决方案，它不需要 RColorBrewer 库。