R语言热图树状图重排：分组聚类后调整样本顺序

要实现**先展示所有normal样本（组内按相似度聚类），再展示所有KIRP样本（组内同样按相似度聚类）**的效果，核心思路是拆分分组做组内聚类，再合并指定顺序，具体步骤和代码如下：

步骤说明 #

1. 按分组拆分样本，分别对normal和KIRP组计算组内相似度并聚类
2. 提取两组聚类后的样本顺序，按normal在前，KIRP在后的规则合并
3. 用合并后的顺序重排表达矩阵，绘制热图时关闭全局列聚类

代码示例（以pheatmap为例） #

假设你已有：

• 表达矩阵expr_mat（行=基因，列=样本）
• 样本分组向量sample_groups（命名向量，值为"normal"/"KIRP"，名字对应样本名）

# 1. 拆分两组样本
normal_samples <- names(sample_groups)[sample_groups == "normal"]
kirp_samples <- names(sample_groups)[sample_groups == "KIRP"]

# 2. 组内聚类：计算距离+层次聚类，提取组内样本顺序
# Normal组
normal_dist <- dist(t(expr_mat[, normal_samples]), method = "euclidean") # 转置后计算样本间距离
normal_hclust <- hclust(normal_dist, method = "ward.D2") # 聚类方法可按需调整
normal_order <- normal_samples[normal_hclust$order]

# KIRP组
kirp_dist <- dist(t(expr_mat[, kirp_samples]), method = "euclidean")
kirp_hclust <- hclust(kirp_dist, method = "ward.D2")
kirp_order <- kirp_samples[kirp_hclust$order]

# 3. 合并自定义列顺序：normal在前，KIRP在后
custom_col_order <- c(normal_order, kirp_order)

# 4. 重排表达矩阵
expr_mat_reordered <- expr_mat[, custom_col_order]

# 5. 绘制热图（关闭全局列聚类，保留组内聚类后的顺序）
library(pheatmap)
pheatmap(expr_mat_reordered,
         cluster_cols = FALSE, # 禁止全局列聚类，使用自定义顺序
         annotation_col = data.frame(Group = sample_groups[custom_col_order]), # 添加分组注释
         show_colnames = TRUE) # 按需显示样本名

用ComplexHeatmap实现的版本 #

如果使用ComplexHeatmap包，逻辑一致：

library(ComplexHeatmap)

# 复用上述步骤得到的custom_col_order
expr_mat_reordered <- expr_mat[, custom_col_order]

# 创建分组注释
col_annotation <- HeatmapAnnotation(Group = sample_groups[custom_col_order])

# 绘制热图
Heatmap(expr_mat_reordered,
        cluster_columns = FALSE,
        top_annotation = col_annotation)

关键说明 #

• 聚类方法（hclust的method参数）和距离计算方法（dist的method参数）可根据你的数据类型调整（比如用"pearson"相关性替代欧氏距离）
• 关闭cluster_cols参数是为了强制使用我们自定义的组内聚类+组间顺序，避免全局聚类打乱分组

内容的提问来源于stack exchange，提问作者melolilili