RStudio热图：如何用颜色梯度凸显MALAT1微小表达差异？

针对MALAT1表达差异无法通过常规热图颜色梯度区分的问题，提供以下几种可行方案：

1. 自定义非均匀颜色断点（最直接有效） #

核心思路是在差异较小的数值区间（接近0的区域）设置更密集的颜色断点，放大这部分的颜色区分度，避免均匀梯度下小差异被“淹没”。

# 先对数据做列缩放，获取缩放后的数据范围
scaled_tab <- t(scale(t(tab4)))
min_val <- min(scaled_tab)
max_val <- max(scaled_tab)

# 自定义断点：两端稀疏，中间（-0.5到0.5）密集，可根据你的数据调整区间
breaks <- c(seq(min_val, -0.5, length.out = 50),
            seq(-0.5, 0.5, length.out = 200),
            seq(0.5, max_val, length.out = 50))

# 生成对应数量的颜色（颜色数 = 断点数 - 1）
col2 <- colorRampPalette(c("blue3","blue","dodgerblue3","dodgerblue2","white","orangered2","red2","red3","red4"))(length(breaks)-1)

# 绘制热图，指定breaks参数
heatmap.2(tab4, trace = "none", density.info='none',
          margins = c(7,5), Rowv = TRUE, Colv = FALSE,
          cexRow = 0.7, cexCol = 1.2, col= col2, 
          scale="column", breaks = breaks)

通过这种方式，MALAT1和BEST1的细微差异会对应到不同的颜色区间，就能区分开。

2. 手动突出目标基因 #

如果调整颜色后仍不够醒目，可以在热图绘制完成后，给MALAT1添加额外标注：

# 先绘制热图，记录MALAT1的行索引
row_idx <- which(rownames(tab4) == "MALAT1")

# 执行原热图绘制代码
heatmap.2(tab4, trace = "none", density.info='none',
          margins = c(7,5), Rowv = TRUE, Colv = FALSE,
          cexRow = 0.7, cexCol = 1.2, col= col2, 
          scale="column", breaks = breaks)

# 开启绘图边界外绘制，添加红色标注
par(xpd=TRUE)
text(x = 0.1, y = row_idx/nrow(tab4), labels = "MALAT1", col = "red", cex=0.8)

3. 优化行缩放的颜色映射 #

针对两样本的特殊情况，行缩放后每个基因的两个值是对称极值，导致无梯度。可以通过限制断点范围，让中间过渡色显现：

# 自定义颜色梯度，增加中间过渡色
col_row <- colorRampPalette(c("blue", "lightblue", "white", "pink", "red"))(100)
# 设置断点范围，避免极端值占满颜色区间
breaks_row <- seq(-1.5, 1.5, length.out = 101)

heatmap.2(tab4, trace = "none", density.info='none',
          margins = c(7,5), Rowv = TRUE, Colv = FALSE,
          cexRow = 0.7, cexCol = 1.2, col= col_row, 
          scale="row", breaks = breaks_row)

4. 换用更灵活的热图工具（如pheatmap） #

pheatmap对颜色和断点的控制更直观，适合处理这类精细调整需求：

library(pheatmap)
# 先做列缩放
scaled_data <- t(scale(t(tab4)))
# 自定义断点，逻辑和方案1一致
breaks <- c(seq(min(scaled_data), -0.5, length.out = 50),
            seq(-0.5, 0.5, length.out = 200),
            seq(0.5, max(scaled_data), length.out = 50))

pheatmap(scaled_data, 
         color = colorRampPalette(c("blue3","white","red4"))(length(breaks)-1),
         breaks = breaks,
         cluster_rows = TRUE, cluster_cols = FALSE,
         fontsize_row = 7, fontsize_col = 12)

内容的提问来源于stack exchange，提问作者Livia Gozzellino