使用ComplexHeatmap时相同聚类方法得到不同层次聚类的问题

核心原因1：聚类树的自动重排序 #

ComplexHeatmap的Heatmap()函数默认开启column_dend_reorder = TRUE（列聚类树重排序），这个参数会根据热图的行数据（方法1中是基因表达值）调整列聚类树的分支顺序，让相似样本组在视觉上更紧凑。但当你手动传入cluster_columns = hc时，该重排序会被自动忽略，直接使用hclust()生成的原始树结构，这就会导致分支顺序出现反转或局部调整，但聚类的分组逻辑是完全一致的。

核心原因2：输入矩阵的本质差异 #

方法1的输入是基因×样本的表达矩阵，聚类基于样本的表达向量计算距离；方法2的输入是样本×样本的相关矩阵，虽然聚类用的是相同的样本距离矩阵，但热图展示的内容完全不同——方法1展示基因表达，方法2展示样本间相关性，这会让你在视觉上误以为聚类结果有差异，但实际上样本的聚类分组是一致的。

验证聚类结构一致性的方法 #

你可以用以下代码验证两个聚类树的结构是否一致：

# 获取方法1的列聚类树
p1 <- Heatmap(lung,
          top_annotation = column_ha,
          clustering_distance_columns = "pearson",
          clustering_method_columns = "ward.D",
          cluster_rows = F,
          show_column_names = F,
          show_row_names = F, 
          show_row_dend = F)
hc_method1 <- column_dend(p1)[[1]]

# 方法2的聚类树
cor_matrix <- cor(lung, method = "pearson")
cor_distance <- as.dist(1 - cor_matrix)
hc_method2 <- hclust(cor_distance, method = "ward.D")

# 用dendextend包验证树的相似性
library(dendextend)
cor_cophenetic(hc_method1, hc_method2)

如果cor_cophenetic的结果接近1，说明两个聚类树的结构几乎完全一致，只是展示顺序不同。

让两种方法展示顺序一致的解决方案 #

若想让方法1的聚类顺序和方法2完全一致，只需关闭列树重排序：

Heatmap(lung,
        top_annotation = column_ha,
        clustering_distance_columns = "pearson",
        clustering_method_columns = "ward.D",
        cluster_rows = F,
        show_column_names = F,
        show_row_names = F, 
        show_row_dend = F,
        column_dend_reorder = FALSE)

内容的提问来源于stack exchange，提问作者An Ignorant Wanderer