
Eine geclusterte Genexpressions-Heatmap erstellen
Laden Sie eine Expressionsmatrix aus RNA-Seq oder Microarrays hoch. Yila filtert kaum exprimierte Gene heraus, wählt die variabelsten aus, clustert Gene und Proben und annotiert die Gruppen.
Das ist die Tabelle mit den Expressionswerten pro Probe für . Erstellen Sie eine publikationsreife geclusterte Heatmap der 50 variabelsten gut exprimierten Gene: Entfernen Sie niedrig exprimierte Gene und Loci kleiner RNAs, verwenden Sie log2(Wert + 1), z-standardisieren Sie jedes Gen über die Proben hinweg, clustern Sie Gene und Proben, annotieren Sie die Proben nach und fügen Sie eine Legende hinzu. Speichern Sie die Heatmap als PNG und SVG, die Genliste mit der mittleren Expression pro Gruppe und das Skript.
Öffnet sich in der Yila-Arbeitsumgebung, wo Sie im Gespräch alles anpassen können.
Eine fertige Expressions-Heatmap
Ein offizieller Durchlauf mit öffentlichen RNA-Seq-Daten. Hier sehen Sie die Abbildung, die nach einer Runde Feedback zum Layout im selben Gespräch gespeichert wurde; der Download enthält sie zusammen mit der Genliste und dem Python-Skript.

Das erhalten Sie
- Geclusterte Heatmap
- Gene und Proben nach hierarchischem Clustering geordnet, eine divergierende Farbskala, Annotationsleisten für die Proben und eine Legende.
- Genliste
- Die Gene der Heatmap mit ihrer mittleren Expression in jeder Gruppe, zum Nachschlagen oder Zitieren.
- Dokumentierte Filterkriterien
- Die Expressionsschwelle und die ausgeschlossenen Genklassen stehen ausdrücklich im Skript, sodass sich die Genauswahl im Methodenteil beschreiben lässt.
- Das Skript
- Die vollständige Pipeline in Python (oder auf Wunsch in R), von der Rohmatrix bis zur Abbildung.
So funktioniert es

Matrix hochladen und Gruppen nennen
Geben Sie Yila die Expressionstabelle mit Genen in Zeilen und Proben in Spalten und sagen Sie, wie die Proben gruppiert werden sollen. Gruppe und Spender lassen sich meist aus den Probennamen ablesen.

Yila filtert zuerst und wählt dann aus
Yila entfernt kaum exprimierte Gene und Loci, die das Messverfahren nicht zuverlässig erfasst, damit die variabelsten Gene echtes Signal zeigen und kein Rauschen nahe null.

Heatmap, Genliste und Skript erhalten
Die Heatmap wird gerendert, geprüft und mit der Genliste und dem Skript gespeichert. Mehr Gene, ein anderes Distanzmaß, eine feste Probenreihenfolge oder nur differenziell exprimierte Gene können Sie im selben Gespräch anfordern.
Geeignet für
Ein erster Blick auf RNA-Seq-Daten
Sehen Sie vor der formalen differenziellen Analyse, ob sich die Proben nach Behandlung, Spender oder Batch gruppieren.
Eine Abbildung für den Artikel
Zeigen Sie das Expressionsmuster der relevanten Gene in einem Layout, das Fachzeitschriften akzeptieren.
Reanalyse öffentlicher Daten
Machen Sie aus einer GEO- oder ArrayExpress-Matrix in wenigen Minuten eine Heatmap, um eine veröffentlichte Aussage zu prüfen.
Häufige Fragen
Weitere Aufgaben

Datenanalyse-Assistent
Eine CSV/XLSX-Datei hochladen und im Chat Daten prüfen, statistische Auswertungen durchführen und publikationsreife Diagramme erstellen.

Einen Volcano-Plot aus Ihrer differenziellen Expressionsanalyse erstellen
Laden Sie die Ergebnistabelle aus DESeq2, edgeR, limma oder Cuffdiff hoch. Yila prüft, in welche Richtung der Fold-Change zeigt, wendet Ihre Schwellen an, färbt und beschriftet die relevanten Gene und speichert die Anzahlen und das Skript.

Eine PCA durchführen und sauber darstellen
Laden Sie eine Tabelle mit Messwerten hoch. Yila standardisiert die Variablen, führt die Hauptkomponentenanalyse durch und zeichnet Score-Plot, Scree-Plot und einen gut lesbaren Biplot, samt Ladungen und Skript.
Eine Heatmap aus Ihrer eigenen Matrix
Laden Sie die Expressionstabelle hoch und sagen Sie, wie die Proben gruppiert werden sollen. Yila filtert, clustert und liefert das Skript mit.
Mit Ihren Daten beginnen