如何在热图中高亮显示被掩盖的非显著p值？

嘿，这个问题我刚好碰到过！当p值分布极度偏向显著区间时，少数非显著值确实容易在热图里被“淹没”，给你几个实用的小技巧来解决这个问题：

1. 自定义颜色映射，给非显著值单独分配醒目的颜色 #

默认的连续颜色映射会把大部分权重放在小p值区间，导致>0.05的数值被挤到颜色条的边缘，很难分辨。我们可以在0.05这个阈值处做颜色跳变，给非显著值分配一个和显著区间完全不同的颜色（比如亮红色），同时还可以给这些区域加边框强化视觉焦点。

用ggplot2实现的示例代码：

library(ggplot2)
library(tidyr)

# 先把宽格式的data.frame转成长格式，方便绘图
df_long <- your_data_frame %>% 
  pivot_longer(cols = everything(), names_to = "Group", values_to = "p_value") %>%
  # 标记显著/非显著分组
  mutate(is_non_sig = p_value > 0.05)

ggplot(df_long, aes(x = Group, y = row_number(), fill = p_value)) +
  geom_tile(color = "white") +
  # 自定义颜色梯度：显著区间用蓝-黄渐变，非显著直接跳为红色
  scale_fill_gradientn(
    colors = c("darkblue", "lightblue", "yellow", "red"),
    values = scales::rescale(c(0, 0.049, 0.05, 1)),
    breaks = c(0, 0.05, 1),
    labels = c("0", "0.05", "1"),
    guide = guide_colorbar(title = "p-value")
  ) +
  # 给非显著的单元格加黑色粗边框，强制突出
  geom_tile(data = filter(df_long, is_non_sig), 
            color = "black", size = 1.2, fill = NA) +
  labs(x = "P-value Groups", y = "Row Index") +
  theme_minimal()

2. 调整行顺序，把非显著值集中展示 #

如果非显著值零散分布在各行，就会呈现出窄条带的状态。我们可以把所有包含至少一个非显著p值的行移到热图的顶部（或底部），让它们形成一个连续的区块，这样视觉上会清晰很多。

用pheatmap实现的示例代码：

library(pheatmap)

# 找出所有包含非显著p值的行索引
non_sig_rows <- which(rowSums(your_data_frame > 0.05) > 0)
# 重新排序数据：先放非显著行，再放全显著行
df_sorted <- your_data_frame[c(non_sig_rows, setdiff(1:nrow(your_data_frame), non_sig_rows)), ]

# 绘制热图，同时给非显著值标注"NS"
pheatmap(df_sorted, 
         color = colorRampPalette(c("darkblue", "lightblue", "yellow"))(99) %>% c(., "red"),
         breaks = c(seq(0, 0.05, length.out = 100), 1),
         cellnote = ifelse(df_sorted > 0.05, "NS", ""),
         display_numbers = TRUE,
         number_color = "black",
         main = "Heatmap of P-values (Non-significant Highlighted)")

3. 离散化p值区间，明确区分显著层级 #

直接把p值分成几个离散的区间（比如<0.001、0.001-0.01、0.01-0.05、>0.05），给每个区间分配不同的颜色，这样非显著的区间会和其他显著区间形成明确的视觉区分，一眼就能定位到目标值。

示例代码：

library(ggplot2)
library(tidyr)

df_long <- your_data_frame %>% 
  pivot_longer(cols = everything(), names_to = "Group", values_to = "p_value") %>%
  # 对p值进行分箱
  mutate(p_bin = cut(
    p_value,
    breaks = c(-Inf, 0.001, 0.01, 0.05, Inf),
    labels = c("<0.001", "0.001-0.01", "0.01-0.05", ">0.05")
  ))

ggplot(df_long, aes(x = Group, y = row_number(), fill = p_bin)) +
  geom_tile(color = "white") +
  # 给每个区间分配对比强烈的颜色
  scale_fill_manual(
    values = c("#003399", "#6699FF", "#FFFF66", "#FF3333"),
    name = "P-value Interval"
  ) +
  labs(x = "P-value Groups", y = "Row Index") +
  theme_minimal()

你可以根据自己的需求选择其中一种方法，或者把几个方法组合起来用（比如先排序行再自定义颜色），效果会更好哦！

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