如何基于GO术语的-log(FDR)值绘制基因型对比热图？

要为rsh3和iron两个基因型的差异表达基因GO术语的-log(FDR)值绘制热图，数据框中rsh3、iron列对应各GO术语的-log(FDR)值，每行是一个GO术语。

尝试了以下代码：

library(ggplot2)

heat <- read_excel("directory/heat_final.xlsx")

heat_matrix <- as.matrix(heat)

ggplot(heat, aes(x = factor(c("rsh3", "iron")), y = GO_term)) + 
  geom_tile()

运行后报错：

> ggplot(heat, aes(x = factor(c("rsh3", "iron")), y = GO_term)) + 
+   geom_tile()
Error in `geom_tile()`:
! Problem while computing aesthetics.
ℹ Error occurred in the 1st layer.
Caused by error in `check_aesthetics()`:
! Aesthetics must be either length 1 or the same as the data (288)
✖ Fix the following mappings: `x`
Run `rlang::last_trace()` to see where the error occurred.

目标是画出以GO术语为y轴、基因型为x轴，颜色对应-log(FDR)值的热图（类似论文图3样式）。

1. x = factor(c("rsh3", "iron"))仅生成2个元素的向量，但数据框有288行，ggplot要求美学映射变量的长度必须和数据行数一致，因此触发报错。
2. 当前数据是宽格式（每个基因型对应一列），但ggplot绘制热图需要长格式数据（一列存基因型，一列存对应-log(FDR)值）。
3. 代码未将颜色映射到-log(FDR)值，这是热图体现数值差异的核心。

步骤1：转换数据格式 #

用tidyr::pivot_longer把宽格式数据转成长格式，合并基因型列。

步骤2：正确映射美学变量 #

x轴绑定基因型，y轴绑定GO术语，填充颜色绑定-log(FDR)值。

步骤3：优化图面样式（可选） #

调整颜色渐变、主题、文字大小等，贴近目标图样式。

# 加载依赖包
library(ggplot2)
library(readxl)
library(tidyr)

# 读取数据
heat <- read_excel("directory/heat_final.xlsx")

# 宽格式转长格式
heat_long <- pivot_longer(
  data = heat,
  cols = c(rsh3, iron),  # 指定要转换的基因型列
  names_to = "genotype",  # 新列：基因型名称
  values_to = "neg_log_fdr"  # 新列：对应-log(FDR)值
)

# 绘制热图
ggplot(heat_long, aes(x = genotype, y = GO_term, fill = neg_log_fdr)) +
  geom_tile(color = "white") +  # 添加白色边框区分每个tile
  scale_fill_viridis_c(option = "plasma", name = "-log(FDR)") +  # 连续色阶调色板
  theme_minimal() +
  theme(
    axis.text.y = element_text(size = 8),  # 缩小y轴GO术语文字避免重叠
    panel.grid = element_blank(),  # 移除网格线
    legend.position = "right"
  ) +
  labs(x = "基因型", y = "GO术语")  # 自定义轴标签

• 若GO术语过多导致y轴文字重叠，可添加axis.text.y = element_text(angle = 45, hjust = 1)调整文字角度。
• 如需按GO术语分组或-log(FDR)值排序，可先对heat_long$GO_term进行排序后再绘图。
• 可替换调色板，比如用scale_fill_gradient2(low = "blue", mid = "white", high = "red", midpoint = median(heat_long$neg_log_fdr))生成蓝白红渐变，更符合传统热图风格。

内容的提问来源于stack exchange，提问作者Federico Aballay