热图是科研论文中一种常见的可视化手段，而在转录组研究领域，我们常常需要分析一些基因与基因之间的相关性，来判断生物样本中是否存在共表达情况，以及共表达基因模块。除了基因集之间，其他方向，比如免疫细胞群体之间相关性，样本的相关性，也常常用相关性热图的形式进行展示。总而言之，往大了说，任何表征相关性的数值都可以用相关性热图来进行绘制。
我们先来看看下面这张图，这是一篇发表在PLoS Medicine (注意不是Plos One, 该杂志IF = 11.048)上的文章图，来看22中免疫细胞群体之间的相关性，其中红色的颜色代表正相关，蓝色代表负相关。每一格的数字代表相关系数。这是一种经常会用到的图形，不同于我们之前讲过的常规热图（参考往期教程：热图绘制）。常规热图中的每行代表一个观察值，每列代表一个样本，而我们在本次教程中，将为大家带来更高级，也更美观的相关性热图。
闲话少说，直接开始上干货，动手操作起来。
Step1
R包安装和数据输入
首先是安装必须R包，在这里我们需要用到ggcorplot和ggthemes这两个R包。
然后我们读入R表达谱数据。
数据一共有10个样本和20个基因，每一行为一个基因，每一列为一个样本，我们需要看这20个基因在这10个样本中的共表达情况，也就是基因和基因之间的相关性。
Step2
相关性计算
为了表示基因与基因相关性，我们除了要计算它们的相关性系数，还需要计算体现其显著性的p值。
计算相关性系数并显示前6个基因之间的相关性。相关性系数大于0为正相关，小于0位负相关。
计算基因与基因之间的相关性p值，其中p小于0.05认为这两个基因之间相关性是显著的。
Step3
相关性热图绘制
使用ggcorplot绘制基因与基因之间相关性热图。
这样，一张漂亮的基因与基因相关性热图就绘制出来啦~那么，我们教程是否到这里就结束了？
当然不是，为了满足reviewer们的审美，为了让我们的图更加高大上，为了让我们的工作看起来无比充实，为了让editor们深切感受到我们的诚意，我们的图必须要经过精细的雕琢和美化。
Step4
初级美化-Circle
美化第一步，我们将矩形热图改成圆形
是不是大家瞬间觉得眼前一亮？
Step5
中级美化-Clustering
虽然有所美观，但是，这样上面一张相关性热图还是存在问题的，大家是否发现热图中的点非常乱，让人没办法捕捉到其中的规律，不容易让人一眼抓住重点。所以，我们要对基因进行聚类。
这张热图，已经是非常漂亮了，放在文章中绝对让人眼睛一亮，正相关负相关基因清清楚楚。
Step6
高级美化-Triangle
当然，我们还可以进一步改善。因为相关性之间其实是有对称在的，左上角和右下角的图其实是一样的，这样绘制比较占版面。只绘制左上角的热图，可以让我们的图看起来没有那么臃肿。
Step7
终级美化-Label
那么如何显示相关性强弱呢，虽然颜色和点的大小可以看出来，但是毕竟没有那么直观。所以我们将相关性系数加上，并更改热图颜色。
这样基因相关性热图就相当完美了，可以直接放在文章图中，而且比PLoS Medicine那篇文章看起来更漂亮呢。
Step8
究级美化-Omit
不过，如果我们想知道哪些基因显著性是小于0.05的呢，虽然颜色和点的大小以及相关性系数可以看出来，但是如果被老板们问起，模棱两可的回答，可是相当危险的哦。所以，我们把显著性p值加上，并且直接隐藏p小于0.05的基因。
这样的热图，既能完美征服大小老板，也能瞬间让editor和reviewer们的好感度蹭蹭蹭的上升几个level。
小结
每一张科研制图都需要精雕细琢，勤写代码，多看帮助文档，可以让我们更好更快的掌握科研制图的精要，也能让我们的工作更完美的展现出来。
