基因聚类趋势图

作者

[编辑] 郑虎;

[审核] .

修改于

2026-01-27

注记

Hiplot 网站

本页面为 Hiplot Gene Cluster Trend 插件的源码版本教程，您也可以使用 Hiplot 网站实现无代码绘图，更多信息请查看以下链接:

https://hiplot.cn/basic/gene-trend?lang=zh_cn

基因聚类趋势图用于显示不同的基因表达趋势，多条线显示了每个类群中相似的表达模式。

环境配置

系统: Cross-platform (Linux/MacOS/Windows)
编程语言: R
依赖包: data.table; jsonlite; Mfuzz; ggplotify; RColorBrewer

# 安装包
if (!requireNamespace("data.table", quietly = TRUE)) {
  install.packages("data.table")
}
if (!requireNamespace("jsonlite", quietly = TRUE)) {
  install.packages("jsonlite")
}
if (!requireNamespace("Mfuzz", quietly = TRUE)) {
  remotes::install_github("MatthiasFutschik/Mfuzz")
}
if (!requireNamespace("ggplotify", quietly = TRUE)) {
  install.packages("ggplotify")
}
if (!requireNamespace("RColorBrewer", quietly = TRUE)) {
  install.packages("RColorBrewer")
}

# 加载包
library(data.table)
library(jsonlite)
library(Mfuzz)
library(ggplotify)
library(RColorBrewer)

sessioninfo::session_info("attached")

─ Session info ───────────────────────────────────────────────────────────────
 setting  value
 version  R version 4.5.2 (2025-10-31)
 os       Ubuntu 24.04.3 LTS
 system   x86_64, linux-gnu
 ui       X11
 language (EN)
 collate  C.UTF-8
 ctype    C.UTF-8
 tz       UTC
 date     2026-01-28
 pandoc   3.1.3 @ /usr/bin/ (via rmarkdown)
 quarto   1.8.27 @ /usr/local/bin/quarto

─ Packages ───────────────────────────────────────────────────────────────────
 package      * version date (UTC) lib source
 Biobase      * 2.70.0  2025-10-29 [1] Bioconduc~
 BiocGenerics * 0.56.0  2025-10-29 [1] Bioconduc~
 data.table   * 1.18.0  2025-12-24 [1] RSPM
 DynDoc       * 1.88.0  2025-10-29 [1] Bioconduc~
 e1071        * 1.7-17  2025-12-18 [1] RSPM
 generics     * 0.1.4   2025-05-09 [1] RSPM
 ggplotify    * 0.1.3   2025-09-20 [1] RSPM
 jsonlite     * 2.0.0   2025-03-27 [1] RSPM
 Mfuzz        * 2.65.0  2025-11-02 [1] Github (MatthiasFutschik/Mfuzz@2f02e7f)
 RColorBrewer * 1.1-3   2022-04-03 [1] RSPM
 widgetTools  * 1.88.0  2025-10-29 [1] Bioconduc~

 [1] /home/runner/work/_temp/Library
 [2] /opt/R/4.5.2/lib/R/site-library
 [3] /opt/R/4.5.2/lib/R/library
 * ── Packages attached to the search path.

──────────────────────────────────────────────────────────────────────────────

数据准备

加载的数据是行为基因列为时间点样本的基因表达矩阵。

# 加载数据
data <- data.table::fread(jsonlite::read_json("https://hiplot.cn/ui/basic/gene-trend/data.json")$exampleData$textarea[[1]])
data <- as.data.frame(data)

# 整理数据格式
## 将基因表达矩阵转换为 ExpressionSet 对象
row.names(data) <- data[,1]
data <- data[,-1]
data <- as.matrix(data)
eset <- new("ExpressionSet", exprs = data)
## 过滤缺失值超过 25% 的基因
eset <- filter.NA(eset, thres=0.25)

0 genes excluded.

## 根据标准差去除样本间差异太小的基因
eset <- filter.std(eset, min.std=0, visu = F)

0 genes excluded.

## 数据标准化
eset <- standardise(eset)
## 设定聚类数目
c <- 6
## 评估出最佳的m值
m <- mestimate(eset)
## 进行mfuzz聚类
cl <- mfuzz(eset, c = c, m = m)

# 查看数据
head(data)

           Time1      Time2       Time3
Gene1  0.1774993  1.6563226 -1.15259948
Gene2 -0.5037254 -0.5207024  0.46416071
Gene3  0.1050310  0.6079246  0.72893247
Gene4 -1.1791537  0.4340085  0.41061745
Gene5  0.8368975 -0.7047414 -1.46114720
Gene6  0.2611762  0.1351524 -0.01890809

可视化

# 基因聚类趋势图
p <- as.ggplot(function(){
  mfuzz.plot2(
  eset,
  cl,
  xlab = "Time",
  ylab = "Expression changes",
  mfrow = c(2,(c/2+0.5)),
  colo = "fancy",
  centre = T,
  centre.col = "red",
  time.labels = colnames(eset),
  x11=F)
  })

p

如示例图所示，将基因聚集到不同的组中，每个组在不同时间点上显示出相似的表达模式。每个类群中突出显示了平均表达趋势。