
Créez une heatmap d’expression génique avec classification hiérarchique
Importez une matrice d’expression issue de RNA-Seq ou de puces à ADN. Yila écarte les gènes à peine exprimés, sélectionne les plus variables, regroupe gènes et échantillons par classification hiérarchique et annote les groupes.
Voici le tableau d’expression par échantillon de . Créez une heatmap des 50 gènes les plus variables parmi ceux qui sont bien exprimés, prête à publier : écartez les gènes faiblement exprimés et les loci de petits ARN, utilisez log2(valeur + 1), calculez un z-score par gène sur l’ensemble des échantillons, regroupez gènes et échantillons par classification hiérarchique, et annotez les échantillons par avec une légende. Enregistrez la heatmap en PNG et en SVG, la liste des gènes avec l’expression moyenne par groupe, ainsi que le script.
S’ouvre dans l’espace de travail Yila, où vous pouvez tout ajuster au fil de la conversation.
Une heatmap d’expression finalisée
Une exécution officielle sur des données RNA-Seq publiques. Voici la figure enregistrée après un échange sur la mise en page dans la même conversation ; le téléchargement la contient avec la liste des gènes et le script Python.

Ce que vous obtenez
- La heatmap avec classification
- Gènes et échantillons ordonnés par classification hiérarchique, échelle de couleurs divergente, barres d’annotation des échantillons et légende.
- La liste des gènes
- Les gènes de la heatmap avec leur expression moyenne dans chaque groupe, prêts à être consultés ou cités.
- Des filtres documentés
- Le seuil d’expression et les classes de gènes exclues sont écrits en clair dans le script, pour que la sélection des gènes puisse être décrite dans la section Méthodes.
- Le script
- Le pipeline complet en Python (ou en R sur demande), de la matrice brute à la figure.
Les étapes

Importez la matrice et nommez les groupes
Donnez à Yila le tableau d’expression, gènes en lignes et échantillons en colonnes, et indiquez comment regrouper les échantillons. Le groupe et le donneur se déduisent généralement des noms des échantillons.

Yila filtre avant de trier
Il retire les gènes à peine exprimés et les loci que la technique mesure mal, pour que les gènes les plus variables reflètent un vrai signal et non du bruit proche de zéro.

Récupérez la heatmap, la liste et le script
La heatmap est générée, vérifiée, puis enregistrée avec la liste des gènes et le script. Demandez plus de gènes, une autre distance, un ordre fixe des échantillons ou uniquement les gènes différentiellement exprimés dans la même conversation.
Utile pour
Un premier regard sur des données RNA-Seq
Voyez si les échantillons se regroupent par traitement, par donneur ou par lot avant l’analyse différentielle proprement dite.
Une figure pour l’article
Montrez le profil d’expression des gènes qui comptent, dans une mise en page acceptée par les revues.
La réanalyse de données publiques
Transformez une matrice GEO ou ArrayExpress en heatmap en quelques minutes pour vérifier un résultat publié.
Questions fréquentes
Pour aller plus loin

Assistant d’analyse de données
Importez un CSV/XLSX et, par la conversation, examinez les données, effectuez les analyses statistiques de votre recherche et créez des graphiques prêts à publier.

Créez un volcano plot à partir de vos résultats d’expression différentielle
Importez le tableau de résultats de DESeq2, edgeR, limma ou Cuffdiff. Yila vérifie le sens du fold change, applique vos seuils, colore et étiquette les gènes qui comptent, puis enregistre les décomptes et le script.

Réalisez une ACP et représentez-la correctement
Importez un tableau de mesures. Yila standardise les variables, réalise l’analyse en composantes principales et trace le graphique des scores, le diagramme des éboulis et un biplot lisible, avec les loadings et le script.
Créez une heatmap à partir de votre matrice
Importez le tableau d’expression et indiquez comment regrouper les échantillons. Yila filtre, regroupe et vous fournit le script.
Commencer avec vos données