BioF3 FigCode · SCI 绘图代码集

表达热图（Heatmap）

导出日期：2026年6月27日

分类：聚类可视化｜ 依赖包：pheatmap

解决的生物学问题

差异基因在各样本间的表达模式是否一致？是否存在共表达模块？

应用场景

展示 top DE 基因的表达模式
样本聚类验证分组
识别共调控基因模块
多组比较的表达全景

输入数据格式

矩阵：gene × sample + 样本注释表

关键参数

展示基因数（top 20-50）
聚类方法（ward.D2 / complete）
距离度量（euclidean / correlation）
z-score 归一化方向（row）
颜色断点范围（-3 到 3）

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/heatmap.R
curl -O https://<your-site>/figcode/data/heatmap.csv

3. 安装依赖

# CRAN 包
install.packages(c("pheatmap"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

library(pheatmap)

# --- Demo data ---
set.seed(42)
genes <- paste0("Gene", 1:30)
samples <- paste0("S", 1:8)
mat <- matrix(rnorm(30*8, mean = 8, sd = 2), nrow = 30, dimnames = list(genes, samples))
mat[1:15, 1:4] <- mat[1:15, 1:4] + 3  # Group A upregulated
mat[16:30, 5:8] <- mat[16:30, 5:8] + 3  # Group B upregulated

anno <- data.frame(Group = rep(c("Treatment", "Control"), each = 4), row.names = samples)
mat_z <- t(scale(t(mat)))

# --- Plot ---
pheatmap(mat_z,
  color = colorRampPalette(c("#2563eb","white","#dc2626"))(100),
  breaks = seq(-3, 3, length.out = 101),
  annotation_col = anno,
  show_colnames = TRUE, fontsize_row = 8,
  main = "Top DE Genes Heatmap")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：矩阵：gene × sample + 样本注释表
使用 read.csv() / readRDS() 读取本地文件