使用皮尔逊距离的微阵列数据热图

Question

我一直在尝试在 R 中为一些微阵列数据生成热图，并且在很大程度上已经成功地根据在线指令生成了一个热图，但它并没有完全达到我想要的效果。我想要的是基于皮尔逊距离而不是欧几里德距离来聚类数据，但我遇到了一些困难。

使用 heatmap2（来自 gplots 包），我使用以下代码来制作初始热图：

heatmap.2(Test402,trace="none",density="none",scale="row", ColSideColors=c("red","blue")   [data.test.factors],col=redgreen,labRow="",hclustfun=function(x) hclust(x,method="complete"))

Test402 是一个包含 402 行（基因）和 31 列（患者）的矩阵，data.test.factors 是每个结果组的指标患者属于.使用 hclustfun 在这里工作得很好，并且热图似乎对方法和整体工作的变化做出了响应。问题是，聚类距离都是欧氏距离，我想将其更改为皮尔逊距离。所以我尝试以下操作：

heatmap.2(Test402,trace="none",density="none",scale="row", ColSideColors=c("red","blue")[data.test.factors],col=redgreen,labRow="",hclustfun=function(x) hclust(x,method="complete"), distfun=function(x) as.dist((1-cor(x))/2) )

上述命令失败。这是因为 Test402 需要是一个方阵。所以看看一些额外的建议我尝试了以下方法：

cU = cor(Test402)
heatmap.2(cU,trace="none",density="none",scale="row", ColSideColors=c("red","blue")[data.test.factors],col=redgreen,labRow="",hclustfun=function(x) hclust(x,method="complete"), distfun=function(x) as.dist((1-x)/2) )

这有效，但问题在于。热图现在仅显示相关性，而不是 TEST402 中的原始表达式值。这不是我想要的！我想要这个，而且我只希望树形图以不同的方式聚类，我不想更改热图中实际表示的数据！这可能吗？

Answer 1

好吧...我认为您只是对 cor 和 dist 的操作方式感到困惑。来自 dist 的文档：

This function computes and returns the distance matrix computed by using the specified 
    distance measure to compute the distances between the rows of a data matrix.

和 cor 的文档：

If x and y are matrices then the covariances (or correlations) 
    between the columns of x and the columns of y are computed.

看到区别了吗？ dist （和 dist 对象，这是 heatmap.2 假设它得到的）假设您已经计算了 之间的距离行，而使用cor时，您实际上是在计算列之间的距离。在距离函数中添加一个简单的转置可以让这个（非方形）示例为我运行：

TEST <- matrix(runif(100),nrow=20)
heatmap.2(t(TEST), trace="none", density="none", 
            scale="row",
            labRow="",
            hclust=function(x) hclust(x,method="complete"),
            distfun=function(x) as.dist((1-cor(t(x)))/2))