EnrichedHeatmap项目中行排序方法的比较分析

概述

在基因组数据可视化中，热图是一种常用的展示方式。EnrichedHeatmap作为一款专门用于展示基因组特征富集模式的热图工具，提供了多种行排序方法。本文将深入探讨三种不同的行排序策略，帮助用户根据不同的分析需求选择最合适的排序方法。

数据准备

我们使用EnrichedHeatmap包中提供的示例数据进行分析，该数据展示了与基因表达呈负相关的甲基化区域（negCRs）在基因转录起始位点（TSS）附近的分布情况。

library(EnrichedHeatmap)
load(system.file("extdata", "neg_cr.RData", package = "EnrichedHeatmap"))
all_genes = all_genes[unique(neg_cr$gene)]
all_tss = promoters(all_genes, upstream = 0, downstream = 1)
mat_neg_cr = normalizeToMatrix(neg_cr, all_tss, mapping_column = "gene", w = 50, mean_mode = "w0")

三种行排序方法详解

1. 基于富集得分的排序

原理：

• 为每一行计算一个加权富集得分
• 上游窗口的权重随距离TSS增加而线性减小
• 下游窗口的权重随距离TSS增加而线性减小
• 计算公式：

[ \sum_{i=1}^{n_1}{x_i \cdot i/n_1} + \sum_{i=n_1+1}^n{x_i \cdot (n - i + 1)/n_2}]

特点：

• 简单直观
• 与顶部富集注释提供的信息重复
• 无法有效揭示空间聚类模式

2. 基于欧氏距离的层次聚类

原理：

• 使用传统的欧氏距离计算行间相似性
• 应用层次聚类算法对行进行分组
• 最终树状图按富集得分重新排序

特点：

• 能有效聚类富集模式
• 不考虑列的顺序信息
• 可能导致空间上接近的聚类在热图中分离

3. 基于邻近距离的层次聚类

原理：

• 定义了一种考虑窗口位置的"邻近距离"
• 计算两个基因间所有negCR窗口对的距离平均值
• 计算公式：

[ d_{closeness} = \frac{\sum_{i=1}^{n_1} \sum_{j=1}^{n_2} {|a_i - b_j|} }{n_1 \cdot n_2}]

特点：

• 同时考虑富集强度和空间位置
• 能清晰展示富集模式的空间聚类
• 最适合展示基因组特征的分布模式

可视化比较

# 基于富集得分的排序
EnrichedHeatmap(mat_neg_cr, name = "neg_cr", col = c("white", "darkgreen"),
    top_annotation = HeatmapAnnotation(enrich = anno_enriched(gp = gpar(col = "darkgreen"))),
    row_title = "by default enriched scores")

# 基于欧氏距离的层次聚类
EnrichedHeatmap(mat_neg_cr, name = "neg_cr", col = c("white", "darkgreen"),
    top_annotation = HeatmapAnnotation(enrich = anno_enriched(gp = gpar(col = "darkgreen"))),
    cluster_rows = TRUE, 
    row_title = "by hierarchcal clustering + Euclidean distance\ndendrogram reordered by enriched scores")

# 基于邻近距离的层次聚类
EnrichedHeatmap(mat_neg_cr, name = "neg_cr", col = c("white", "darkgreen"),
    top_annotation = HeatmapAnnotation(enrich = anno_enriched(gp = gpar(col = "darkgreen"))),
    cluster_rows = TRUE, clustering_distance_rows = dist_by_closeness,
    row_title = "by hierarchcal clustering + closeness distance\ndendrogram reordered by enriched scores")

方法选择建议

1. 初步探索：建议从基于邻近距离的层次聚类开始，它能提供最全面的空间分布信息
2. 特定分析：如果只关注富集强度而非空间模式，可使用基于富集得分的排序
3. 传统聚类：当需要与其他使用欧氏距离的分析结果比较时，可选择基于欧氏距离的方法

高级定制

EnrichedHeatmap提供了多种参数来自定义行排序行为：

• row_order：手动指定行顺序
• cluster_rows：启用/禁用行聚类
• clustering_method_rows：设置聚类算法（如"complete"、"average"等）
• clustering_distance_rows：设置距离计算方法

这些参数可以灵活组合，满足各种特定的分析需求。

总结

在EnrichedHeatmap中，行排序方法的选择会显著影响数据展示效果和分析结果。基于邻近距离的层次聚类方法通常能提供最有生物学意义的可视化效果，特别是在分析基因组特征的空间分布模式时。理解不同排序方法的特点和适用场景，将帮助研究者更有效地展示和解读基因组富集数据。