1、绘图数据准备

矩阵表格文件： 任何与丰度相关的表达量数据都可作为热图的输入数据。一般第一行为样品名，第一列为基因名、蛋白名等，如下。

分组文件：用于添加分组颜色条，双列文本文件，第1列必须为样本名，第2列必须为分组名。注意，样本名必须与矩阵表格文件的列名一致。

标签文件：单列文本文件，用于在热图上添加指定的少量文本标签，避免基因过多时相互“糊在一起”看不清。注意，这些文本标签必须在矩阵表格文件的第一列中能找到。

注意，如果选择保存成逗号或制表符分隔的文本文件，注意检查是否含有仅有分隔符的空行！以上数据来自OmicShare热图工具的范例文件，需要练习使用的小伙伴可前去下载！

2、使用DeepSeek绘制热图

首先，打开DeepSeek上传范例数据。将示例数据文件直接复制粘贴到对话框中即可上传文件，当然也可点击“曲别针”上传附件。DeepSeek支持Excel文件、制表符分隔的文本文件等，我这里上传的是逗号分隔的CSV格式文件。

尝试输入绘图指令：

使用‌ComplexHeatmap包和附件中的3个文件绘制热图，“data.csv”用于绘制聚类热图主体，对行进行z-score归一化，配色方案：“#FF9999”， “#FFFFFF”,“#99CC00”；“group.csv”用于绘制样本的分组颜色条，分组配色为：#FF99CC，#99CC00；“label.csv”为仅在热图上显示的基因标签，使用指引线进行标记；给出绘图代码并进行验证

经过40秒的深度思考，给出了绘图代码。注意，我们可以仔细阅读一下DeepSeek的整个思考过程，可确保作图数据导入正确，同时也可以让我们发现提示词的优化方向。

点击以上代码块右上角的“复制”按钮，将DeepSeek生成的代码复制粘贴到Rstudio的脚本编辑器中进行运行，如下图，注意在读入数据前，将数据文件所在文件夹设置为“工作目录”。

然后继续运行代码，初始的绘图结果如下，可以发现基因标签和图例的位置明显不对，我们可以让DeepSeek在此基础上继续调整绘图参数。

3、使用DeepSeek调整绘图效果

继续输入优化代码指令：

在上文给出的代码基础上继续调整绘图参数，将热图的自定义基因标签显示在热图右侧，将分组图例和热图图例从上至下排列，整体位于热图右侧

仔细阅读思考过程可以发现，DeepSeek对上文提到的两个要求进行了优化，并在之前代码的基础上修改，如下图。

继续点击以上代码块右上角的“复制”按钮，将DeepSeek生成的代码复制粘贴到新的脚本编辑器窗口中进行运行，新代码的绘图效果如下图。

注意，给出的代码也很可能会报错，比如可能会遇到给出代码时缺少1个圆括号，导致运行代码时报错。这时只需提供报错信息给DeepSeek，继续优化代码即可！

报错时代码优化指令参考：

绘制图形报错，请继续优化；报错信息为：错误于unit(c(2, 2, 2, 10), ht_gap = unit(4, “mm”)):参数没有用(ht_gap = unit(4, “mm”))

导出图片后的效果：

当然，你也可以在Rstudio中继续调整绘图参数，直到得到你想要的效果，比如，这里换了一种配色。

调整后的绘图效果：

参考绘图代码：

# 加载必要的包
library(ComplexHeatmap)
library(circlize)
library(readr)

# 读取数据文件
data <- read_csv("data.csv")
group <- read_csv("group.csv", col_names = c("Sample", "Group"))
label_genes <- read_csv("label.csv", col_names = "Gene")

# 数据预处理
data_matrix <- as.matrix(data[, -1])
rownames(data_matrix) <- data$gene
zscore_matrix <- t(scale(t(data_matrix)))

# 创建分组注释
group_colors <- c(control = "#c77cff", patient = "#ff9900")
ha_column <- HeatmapAnnotation(
Group = group$Group,
col = list(Group = group_colors),
annotation_name_side = "right"
)

# 颜色映射函数
color_fun <- colorRamp2(c(-2, 0, 2), c("#c77cff", "#FFFFFF", "#ff9900"))

# 定义需要高亮的基因行（带指引线）
highlight_idx <- which(rownames(zscore_matrix) %in% label_genes$Gene)
row_anno <- rowAnnotation(
link = anno_mark(
    at = highlight_idx,
    labels = rownames(zscore_matrix)[highlight_idx],
    labels_gp = gpar(fontsize = 6),
    link_gp = gpar(lwd = 0.5)),
width = unit(0.2, "cm")
)

# 绘制热图主体
ht <- Heatmap(
zscore_matrix,
name = "Z-Score",
col = color_fun,
top_annotation = ha_column,
show_row_names = FALSE, # 关闭默认行标签
show_column_names = FALSE,
cluster_columns = TRUE,
cluster_rows = TRUE,
right_annotation = row_anno, # 在右侧添加指引线注释
heatmap_legend_param = list(
    direction = "vertical",
    title_position = "topleft",
    legend_height = unit(3, "cm")
  ))

# 绘制图形并调整图例布局
draw(
    ht,
    heatmap_legend_side = "right",
    annotation_legend_side = "right",
    merge_legends = TRUE,
    padding = unit(c(5, 5, 5, 10), "mm"),
    gap = unit(5, "mm") 
  )

综上，DeepSeek在辅助写代码绘图上非常方便，特别是绘制一些复杂图表也会容易很多！但如果你觉得学习写代码太麻烦，我还是推荐直接使用OmicShare toos在线工具进行科研图表的绘制！只需上传数据点击提交按钮即可轻松完成图表的绘制，如果对图形样式不满意，还可以实时在线调整！

OmicShare热图工具与示例数据链接：

https://www.omicshare.com/tools/Home/Soft/heatmap

好啦，本次的DeepSeek绘制热图范例教程就分享到这里啦！如果需要范例数据进行练习，可直接下载OmicShare的热图、动态热图工具的示例文件。

我的DeepSeek部署资料已打包好（自取↓）
https://pan.quark.cn/s/7e0fa45596e4

但如果你想知道这个工具为什么能“听懂人话”、写出代码 甚至预测市场趋势——答案就藏在大模型技术里！

❗️为什么你必须了解大模型？

1️⃣ 薪资爆炸：应届大模型工程师年薪40万起步，懂“Prompt调教”的带货主播收入翻3倍

2️⃣ 行业重构：金融、医疗、教育正在被AI重塑，不用大模型的公司3年内必淘汰

3️⃣ 零门槛上车：90%的进阶技巧不需写代码！会说话就能指挥AI

（附深度求索BOSS招聘信息）

⚠️警惕：当同事用DeepSeek 3小时干完你3天的工作时，淘汰倒计时就开始了。

那么，如何系统的去学习大模型LLM？

作为一名从业五年的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？老师啊，我自学没有方向怎么办？老师，这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！当然这些问题啊，也不是三言两语啊就能讲明白的。

所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。

篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~

👉大模型学习指南+路线汇总👈

我们这套资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。

👉①.基础篇👈

基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。

👉②.进阶篇👈

接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。

👉③.实战篇👈

实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。

👉④.福利篇👈

最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

相信我，这套大模型系统教程将会是全网最齐全 最易懂的小白专用课！！