文章投稿,除了文好當然還要“顔好”!在這個看臉的世界,為了給文章加分,各位老師學生也是做足功課了!但是不會編程敲代碼?——那必須學學各種繪圖小工具了。
熱圖是屬于生命科學類型文章中非常常見的一種圖片了,此前小編教過大家如何用Excel來畫熱圖(),但是它有一定的局限性:不能實現聚類分析。今天小編來教大家用一款簡單不用安裝的小工具——MeV,在繪制熱圖時聚類、統計、細節設置更簡單,圖片美觀度Up! Up! Up!
MeV
簡單了解一下,MeV在熱圖繪制方面可以說,已經是非常小白式的了,軟件下載之後,解壓即可使用,無需安裝無需插件,下載網址:https://sourceforge.net/projects/mev-tm4/ 。
使用界面如下圖所示。
數據載入與設置
為了方便演示,小編整了四十個基因的表達數據,設置了八個樣本(如下圖),大家可以按照文件格式準備數據,注意:數據另存成Tab鍵分隔的文本格式進行使用哦!
數據載入通過File,點擊Load Data開始(如下圖A),跳轉到數據導入窗口,選擇準備的txt文件,進行導入(如下圖B),同時設置圖片顔色變化、是否進行注釋以及繪圖數據區域。
數據第一列默認為ID,背景為淺紫色,繪圖數據區域和ID列顔色明顯區别(見下圖C),如需修改繪圖區域,例如排除第二列數據,由第三列開始繪圖,鼠标點擊第三列第一行之後,第二列數據背景出現淺紫色,故第二列數據不會參會繪圖(見下圖D)。簡單設置之後,點擊load,按照部分默認設置出現原始數據熱圖,例如下圖E和F,二者分别對應不同的數據區域選擇。
注意:第二次導入數據需要将前次導入的數據進行清除,如下圖所示。
數據轉換與圖片優化
原始數據中,基因表達量大小在0~17左右,數據範圍較大,圖片效果展示不理想,進行基因内數據标準化,也就是按行标準化,再調整圖片标尺,進行圖片優化。數據調整通過Adujst Data完成,除标準化之外也可以進行其他形式的轉換,例如log轉換等(如下圖)。
attachments-2018-07-aGeoIhDd5b3ebf97080df.jpg數據調整之後,點擊Display,選擇Set Color Scale Limits,在小窗口中對顔色和标尺進行修改,例如:将默認的原始數據标尺修改到-1~1之間,中間值為0(如下圖A,B)。
修改後,原始數據熱圖對應的标尺和顔色發生了非常明顯的變化(如下圖A),而調整數據的熱圖需要雙擊Original Data,在展開列表中點擊Expression Image,才可以展示出來(如下圖B)。
聚類分析
聚類分析是為了将表達趨勢相似的基因聚在一起,方便觀察和讨論。通過MeV的Analysis下拉列表,或者Clustering可以進行聚類分析(下圖A),例如選擇層次聚類之後,根據聚類設置,确定是否顯示基因、樣本聚類樹,距離計算,聚類方法等(如下圖B),完成設置後,點擊OK,即可實現聚類分析過程。
例如,取消樣本聚類樹,以歐氏距離和平均聚類方法進行分析,可以獲得如下圖結果,注意,聚類圖需要雙擊HCL後,點擊HCL Tree才能展示(針對層次聚類)。
美化設置
到這裡,如果還覺圖片需要優化,可以通過多種方法進行調整。
例如:修改圖片顔色、方框、圖片大小、字體類型、字體大小,主要通過Display進行,可以獲得如下結果:
再比如:修改聚類樹長短和顯示,右鍵選擇 Gene Tree properties(如果有樣品聚類樹,也會有相應設置),在對應的設置選項中進行聚類樹調整,點擊應用,可獲得聚類結果和樹長短調整等等(如下圖)。
在完成分析和圖片美化之後,通過File欄,選擇Save image就可以保存成圖片了!
總結
相比之R或者Python等利用代碼實現畫圖,MeV對于普通的科研工作者來說,再友好不過了,畫起熱圖來簡單易上手。不過你以為MeV隻能畫圖嗎?當然不是啦!它還涉及非常多的統計和分析功能,ANOVA、PCA、GSEA等等。小編要繼續去學習這個牛叉叉的軟件了,你們也加油哦!
更多生物信息課程:
1.文章越來越難發?是你沒發現新思路,基因家族分析發2-4分文章簡單快速,學習鍊接:、
2.轉錄組數據理解不深入?圖表看不懂?點擊鍊接學習深入解讀數據結果文件,學習鍊接:;
3.轉錄組數據深入挖掘技能-WGCNA,提升你的文章檔次,學習鍊接:
4.轉錄組數據怎麼挖掘?學習鍊接:、
5.、、
6.生物信息入門到精通必修基礎課,學習鍊接:、、、
7.醫學相關數據挖掘課程,不用做實驗也能發文章,學習鍊接:、、、、、
8.其他課程鍊接:、、。
有話要說...