基于Pearson距离的微阵列数据热图

我一直在尝试为一些微阵列数据在R中生成一个热图，并且在很大程度上已经成功地基于在线指令生成了一个热图，但它并没有完全满足我的需要。我想基于皮尔逊距离而不是欧几里得距离对数据进行聚类，但我遇到了一些困难

使用heatmap2（来自gplots包），我使用以下代码制作初始热图：

heatmap.2(Test402,trace="none",density="none",scale="row", ColSideColors=c("red","blue")   [data.test.factors],col=redgreen,labRow="",hclustfun=function(x) hclust(x,method="complete"))

Test402是一个包含402行（基因）和31列（患者）的矩阵，data.test.factors是每个患者所属结果组的指标。在这里使用hclustfun效果很好，热图似乎对方法和整体效果的变化做出了响应。问题是，聚类距离都是欧几里得距离，我想把它改成皮尔逊距离。因此，我尝试以下几点：

heatmap.2(Test402,trace="none",density="none",scale="row", ColSideColors=c("red","blue")[data.test.factors],col=redgreen,labRow="",hclustfun=function(x) hclust(x,method="complete"), distfun=function(x) as.dist((1-cor(x))/2) )

cU = cor(Test402)
heatmap.2(cU,trace="none",density="none",scale="row", ColSideColors=c("red","blue")[data.test.factors],col=redgreen,labRow="",hclustfun=function(x) hclust(x,method="complete"), distfun=function(x) as.dist((1-x)/2) )

上述命令失败。这是因为Test402，所以在查看一些其他建议时，我尝试了以下方法：

heatmap.2(Test402,trace="none",density="none",scale="row", ColSideColors=c("red","blue")[data.test.factors],col=redgreen,labRow="",hclustfun=function(x) hclust(x,method="complete"), distfun=function(x) as.dist((1-cor(x))/2) )

cU = cor(Test402)
heatmap.2(cU,trace="none",density="none",scale="row", ColSideColors=c("red","blue")[data.test.factors],col=redgreen,labRow="",hclustfun=function(x) hclust(x,method="complete"), distfun=function(x) as.dist((1-x)/2) )

---

这是可行的，但问题出在这里。热图现在只显示相关性，而不是TEST402中的原始表达式值。这不是我想要的！我希望，我只希望树状图以不同的方式聚类，我不想改变热图中实际表示的数据！这可能吗？

好的……我想你只是对

cor

和

dist

的操作方式感到困惑。从

dist

上的文档中：

This function computes and returns the distance matrix computed by using the specified 
    distance measure to compute the distances between the rows of a data matrix.

从

cor

上的文档中：

If x and y are matrices then the covariances (or correlations) 
    between the columns of x and the columns of y are computed.

看到区别了吗

dist

（和

dist

对象，这就是热图。2假设它正在变）假设您已经计算了行之间的距离，而使用

cor

则基本上计算了列之间的距离。在距离函数中添加一个简单的转置，可以运行以下（非方形）示例：

TEST <- matrix(runif(100),nrow=20)
heatmap.2(t(TEST), trace="none", density="none", 
            scale="row",
            labRow="",
            hclust=function(x) hclust(x,method="complete"),
            distfun=function(x) as.dist((1-cor(t(x)))/2))

---

测试Joran就是这样！哇，你完全正确，我没有专注于这方面，我专注于其他事情！非常感谢你指出这样一个愚蠢的错误！也谢谢你花时间帮我回答这个问题！也许是简单的错误，但不是愚蠢的。我唯一的线索是heatmap.2的文档说distfun默认为
dist
。