有没有办法在热图中保留聚类但减少观察数量？

我的数据集包含 20 列、90 个观察值（行）。我生成了一个非常简洁的热图，它使用 pheatmap 包将我的数据分为两组。虽然它并不完全干净，但树状图的两个簇几乎根据我的条件将我的样本分为两个不同的组。现在我想将这组 90 个观察值减少到大约 20-30 个观察值，但仍然希望保留相同的聚类顺序，如图所示pheatmap。有没有办法做到这一点？或者任何其他包可以将我的观察结果减少到最小集，并且仍然可以通过现在看到的聚类顺序来保留？代码为pheatmap is

pheatmap(mydata[rownames(df.90),],scale="row",clustering_distance_cols = "correlation",show_rownames= T,show_colnames=T,color=col,annotation=batch.annotation,cluster_col=T,fontsize_row = 8,fontsize_col = 8,clustering_method = "ward.D2",border_color = NA,)

我错过的 R 中的任何包都可以处理此类甚至是pheatmap我可以用作减少变量的函数，并进行一种排列测试，以找到仍然可以保留聚类的最小观察集

数据是患者的行中的基因和列中的表达。

我想回答我自己的问题并希望得到反馈。我用的是kmeans_k=30在 pheatmap 中，获得了 29 个聚类，这些聚类仍然能够保留我之前对 90 个观测值进行聚类的情况。从那里我获得了各自簇中的基因。我从观测值两侧的热图中选择了前 5 个簇，这些簇仍然可以生成我所需的热图，因为它们是具有高 SD 的簇。由于在我的 pheatmap 中，我有scale =“row”并保持行树状图和列树状图打开，所以即使现在我也不想更改它们。因此，当我现在绘制这 31 个基因（观察值）时，实际上它们进一步改进了我的行聚类，并按照我想要的更清晰的方式将它们完全划分为 2 组。 kemans 和新热图的代码

km 表示 30

obj<-pheatmap(df.90,scale="row",clustering_distance_cols = "correlation",show_rownames= T,show_colnames=T,color=col,annotation=batch.annotation,cluster_col=T,fontsize_row = 6,fontsize_col = 7,clustering_method = "ward.D2",border_color = NA,cellwidth = NA,cellheight = NA,kmeans_k = 30)

检索簇并提取观察结果/基因

obj$kmeans$cluster

获取顶部聚类并用热图绘制它们

pheatmap(mydata[rownames(df.31),],scale="row",clustering_distance_cols = "correlation",show_rownames= T,show_colnames=T,color=col,annotation=batch.annotation,cluster_col=T,fontsize_row = 8,fontsize_col = 8,clustering_method = "ward.D2",border_color = NA,)

大家觉得这个方法怎么样？这虽然不像我想要的那样，但我认为这也没有错。如果有人可以提供更好的方法或途径，或者他们认为这也不正确，我希望得到反馈。谢谢