跟着Nature Communications学作图：R语言pheatmap做热图展示不同软件做差异丰度分析的差异

用户7010445

发布于 2022-05-23 15:46:24

85900

代码可运行

文章被收录于专栏：小明的数据分析笔记本小明的数据分析笔记本

运行总次数：0

代码可运行

论文

Microbiome differential abundance methods produce different results across 38 datasets

数据链接

https://figshare.com/articles/dataset/16S_rRNA_Microbiome_Datasets/14531724

代码链接

https://github.com/nearinj/Comparison_of_DA_microbiome_methods

这个人的github主页还有其他论文的数据和代码

https://github.com/jnmacdonald/differential-abundance-analysis 这个链接有很多关于差异丰度分析的代码

今天的推文我们重复一下论文中的Figure1b

image.png

首先是读取数据集

热图数据集

order_raw_count_df<-read.csv(file = "20220424/Figure1_filt_sig_counts.csv",
                             row.names = 1,
                             check.names = FALSE)
order_raw_count_df

他这里的处理方式是把数据集标准化以后映射颜色，然后添加数字标签展示真实的数据

热图数据标准化

Alpha_order_filt<-scale(order_raw_count_df,
                        center = TRUE,
                        scale = TRUE)

读取注释数据

fixed_hackathon_metadata_filt<-read.csv(file = "20220424/Figure1_filt_dataset_char.csv",
                                        row.names = 1,
                                        check.names = FALSE)
fixed_hackathon_metadata_filt

作图代码

library(pheatmap)

pheatmap(t(Alpha_order_filt),
         clustering_method = "complete",
         legend=TRUE,
         display_numbers=t(order_raw_count_df),
         annotation_row=fixed_hackathon_metadata_filt[, c("log(Sample size)", "log(Aitch. dist. effect size)", 
                                                          "Sparsity", "Richness", "Read depth variation", 
                                                          "log(Read depth range)"), drop=FALSE],
         annotation_legend=FALSE,
         legend_labels = "% sig. features",
         treeheight_col = 0,
         cluster_cols = FALSE,
         cluster_rows = TRUE,
         main="Filtered",
         angle_col=315)