跳到主要内容

聚类热图

聚类热图是热力图 加上行列两侧的层次聚类树。因为两者由同一个渲染器算出来,树的 叶子和热力图的行中心必然对齐 —— 这也正是它作为一种图型存在、而不是「两张图并排摆着」的全部理由。

WITH d AS (
SELECT gene, [Sample_01, Sample_02, Sample_03, Sample_04, Sample_05, Sample_06,
Sample_07, Sample_08, Sample_09, Sample_10, Sample_11, Sample_12] AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/heatmap.tsv')
ORDER BY gene
)
SELECT kuva_render(to_json({
'title': 'Clustermap',
'series': [{
'type': 'clustermap',
'data': (SELECT list(vals) FROM d),
'row_labels': (SELECT list(gene) FROM d),
'col_labels': ['Sample_01', 'Sample_02', 'Sample_03', 'Sample_04', 'Sample_05', 'Sample_06',
'Sample_07', 'Sample_08', 'Sample_09', 'Sample_10', 'Sample_11', 'Sample_12'],
'normalization': 'row_zscore',
'legend': 'z-score'
}]
})) AS chart;

默认用欧氏距离 + UPGMA 对行列聚类,也可以关掉。行列标签属于聚类热图、不属于布局 —— 正因如此,渲染器才能在 聚类之后把它们按正确顺序放回去。

关掉聚类​

cluster_rows: false 或 cluster_cols: false 会去掉那一侧的树、并让该轴保持数据原本的顺序。只关掉一侧是常见的 折中:对基因聚类,而样本保持自然的时间顺序。

WITH d AS (
SELECT gene, [Sample_01, Sample_02, Sample_03, Sample_04, Sample_05, Sample_06,
Sample_07, Sample_08, Sample_09, Sample_10, Sample_11, Sample_12] AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/heatmap.tsv')
ORDER BY gene
)
SELECT kuva_render(to_json({
'title': 'Rows clustered only',
'series': [{
'type': 'clustermap',
'data': (SELECT list(vals) FROM d),
'row_labels': (SELECT list(gene) FROM d),
'col_labels': ['Sample_01', 'Sample_02', 'Sample_03', 'Sample_04', 'Sample_05', 'Sample_06',
'Sample_07', 'Sample_08', 'Sample_09', 'Sample_10', 'Sample_11', 'Sample_12'],
'cluster_cols': false,
'normalization': 'row_zscore',
'legend': 'z-score'
}]
})) AS chart;

预建的树​

row_tree 与 col_tree 用你手上已有的拓扑取代该侧的自动聚类 —— 参考系统发育树、R 或 Python 里跑出来的聚类结果, 或者一张希望在多张图之间保持稳定的树。它们收的就是系统发育树那四种写法:newick、edges、 distance_matrix 或 linkage。

SELECT kuva_render(to_json({
'title': 'A known topology on the rows',
'series': [{
'type': 'clustermap',
'data': [[1, 2, 3, 4], [2, 1, 4, 3], [5, 6, 1, 2], [6, 5, 2, 1]],
'row_labels': ['a', 'b', 'c', 'd'],
'col_labels': ['w', 'x', 'y', 'z'],
'row_tree': {'newick': '((a:0.1,b:0.1):0.2,(c:0.1,d:0.1):0.2);'},
'legend': 'value'
}]
})) AS chart;

叶子是按名字配上去的,因此必须与标签一一对上:树里多出一个不在 row_labels 里的叶子、或者有标签在树里找不到 叶子,都会被拒 —— 聚类热图里少一行,比报错难发现得多。另一侧默认仍会自动聚类,这也是最常见的用法:给行指定已知 的系统发育,让列自己聚。

归一化​

normalization效果
"none"原始值直接映射到颜色(默认)
"row_zscore"每行中心化到均值 0、缩放到标准差 1
"col_zscore"同上,但按列做

按行 z 分数化,才让聚类热图讲的是形状而不是量级:不做的话,数值最大的那几行会主导每一个颜色决定,小的那些 看起来全都一样。色条永远反映归一化之后的范围。

WITH d AS (
SELECT gene, [Sample_01, Sample_02, Sample_03, Sample_04, Sample_05, Sample_06,
Sample_07, Sample_08, Sample_09, Sample_10, Sample_11, Sample_12] AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/heatmap.tsv')
ORDER BY gene
)
SELECT kuva_render(to_json({
'title': 'Column z-scores',
'series': [{
'type': 'clustermap',
'data': (SELECT list(vals) FROM d),
'row_labels': (SELECT list(gene) FROM d),
'normalization': 'col_zscore',
'color_map': 'inferno',
'legend': 'col z-score'
}]
})) AS chart;

注释色条​

注释色条是贴着热力图主体的一条彩色格子 —— 样本分组、处理状态、批次。行色条位于行树与矩阵之间,列色条位于列树与 矩阵之间。

颜色按原始数据顺序给;渲染器会跟着聚类一起重排,所以色条始终贴在对的那一行上。

WITH d AS (
SELECT gene, [Sample_01, Sample_02, Sample_03, Sample_04, Sample_05, Sample_06,
Sample_07, Sample_08, Sample_09, Sample_10, Sample_11, Sample_12] AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/heatmap.tsv')
ORDER BY gene
)
SELECT kuva_render(to_json({
'title': 'With annotation tracks',
'series': [{
'type': 'clustermap',
'data': (SELECT list(vals) FROM d),
'row_labels': (SELECT list(gene) FROM d),
'normalization': 'row_zscore',
'col_annotations': [
{'label': 'batch',
'colors': ['#ff7f00', '#ff7f00', '#ff7f00', '#ff7f00', '#ff7f00', '#ff7f00',
'#984ea3', '#984ea3', '#984ea3', '#984ea3', '#984ea3', '#984ea3']}
],
'legend': 'z-score'
}]
})) AS chart;

可以叠多条:给那对字段一个列表,每条各带自己的宽度与标签。

色图、数值与面板尺寸​

字段默认设置什么
color_mapviridis色图。
show_valuesfalse把每个格子的数值写在里面。
branch_colorblack树的线条颜色。
row_dendrogram_width100行树面板的宽度(像素)。
col_dendrogram_height80列树面板的高度(像素)。
tooltipstrueSVG 悬停提示。
SELECT kuva_render(to_json({
'title': 'Small matrix, values shown',
'series': [{
'type': 'clustermap',
'data': [
[0.9, 0.1, 0.2, 0.8],
[0.8, 0.2, 0.1, 0.9],
[0.1, 0.9, 0.8, 0.2],
[0.2, 0.8, 0.9, 0.1]
],
'row_labels': ['A', 'B', 'C', 'D'],
'col_labels': ['X1', 'X2', 'X3', 'X4'],
'show_values': true,
'row_dendrogram_width': 60,
'col_dendrogram_height': 50,
'legend': 'value'
}]
})) AS chart;

字段​

字段类型设置什么
datanumber[][]必填。 行优先矩阵;每行必须等长。
row_labels / col_labelsstring[]原始数据顺序下的标签。
cluster_rows / cluster_colsboolean对该轴聚类并画树(默认都开)。
row_tree / col_treetree该侧预建的树(newick · edges · distance_matrix · linkage);取代该侧的自动聚类。
normalizationstring"none"(默认)· "row_zscore" · "col_zscore"。
color_mapstring色图。
show_valuesboolean把每个格子的数值写出来。
branch_colorstring树的颜色(默认 black)。
row_dendrogram_width / col_dendrogram_heightnumber树面板尺寸(像素)。
row_annotations / col_annotationstrack[]{colors, label?, width?} —— 每行/列一个颜色。
legendstring色条的标题。
tooltipsbooleanSVG 悬停提示。

说明​

  • data 不能为空且必须是矩形,标签列表要与行数、列数一致。
  • 标签按原始顺序给,不是聚类之后的顺序 —— 重排由渲染器做。
  • normalization 发生在颜色映射之前,色条也反映归一化后的范围,所以同一份数据换一种归一化就不是同一个刻度了。
  • UPGMA + 欧氏距离是写死的;没有换 linkage 或距离度量的入口。
  • row_tree / col_tree 需要配套的标签 —— 没有标签就没有东西可以跟叶子对上,这时是报错而不是猜。给了树之后, 该侧的 cluster_rows / cluster_cols 不再起作用(顺序由树决定)。

另见​