差异基因差异代谢物pearson相关性热图pheatmap包加显著性符号

要在R中利用pheatmap包制作差异基因差异代谢物Pearson相关性热图并加上显著性符号，可以按照以下步骤进行：

1. 载入pheatmap包：

library(pheatmap)

2. 准备数据。假设有一个名为data的数据框，其中包含了差异基因与差异代谢物在不同样本中的表达数据。

3. 计算Pearson相关系数。使用cor函数计算基因和代谢物之间的Pearson相关系数。按行计算，结果存储在一个名为cor_mat的矩阵中。

cor_mat <- cor(data, method = "pearson", use = "pairwise.complete.obs")

4. 创建热图。使用pheatmap函数创建热图，并使用cor_mat作为输入。可以设置许多不同的参数来自定义热图的外观，例如col和row表示列和行的聚类方法，scale表示是否对数据进行缩放等。

pheatmap(cor_mat, col = viridis::viridis(20), cluster_cols = FALSE, scale = "none")

现在可以看到一个基于Pearson相关系数的热图。

5. 添加显著性符号。可以使用pch参数来添加显著性符号。pch表示点的标记符号，可以设置为任何数值或字符。在这里，我们将0（圆）分配给不显著值，1（+号）分配给P值小于0.05的值，2（*号）分配给P值小于0.01的值，3（三角形）分配给P值小于0.001的值。

首先，我们需要对每个相关系数计算P值。使用cor.test函数计算每个相关系数的P值，并将其存储在一个名为p_vals的矩阵中。

p_vals <- matrix(NA, nrow = nrow(cor_mat), ncol = ncol(cor_mat))
for (i in 1:nrow(cor_mat)) {
  for (j in 1:ncol(cor_mat)) {
    p_vals[i,j] <- cor.test(data[i,], data[j,])$p.value
  }
}

现在，我们可以为每个相关系数添加符号：

pheatmap(cor_mat, col = viridis::viridis(20), cluster_cols = FALSE, scale = "none", 
        pch = ifelse(p_vals < 0.001, 3, ifelse(p_vals < 0.01, 2, ifelse(p_vals < 0.05, 1, 0))))

现在，热图中的每个相关系数都用符号表示了其显著性。