
유전자 발현 군집 히트맵 만들기
RNA-Seq 또는 마이크로어레이의 발현 행렬을 업로드하세요. Yila가 거의 발현되지 않는 유전자를 걸러 내고, 변동이 가장 큰 유전자를 골라 유전자와 샘플을 군집화하고, 그룹을 표시합니다.
업로드한 파일은 에서 얻은 샘플별 발현 표입니다. 충분히 발현된 유전자 중 변동이 가장 큰 50개로 논문에 바로 쓸 수 있는 군집 히트맵을 그려 주세요. 발현이 낮은 유전자와 small RNA 유전자좌는 제외하고 log2(값 + 1) 변환을 적용한 뒤, 유전자마다 샘플 간 z-점수로 표준화하고 유전자와 샘플을 군집화해 주세요. 샘플에는 기준으로 주석을 달고 범례를 넣어 주세요. 히트맵은 PNG와 SVG로 저장하고, 그룹별 평균 발현량을 담은 유전자 목록과 스크립트도 함께 저장해 주세요.
Yila 워크벤치에서 열립니다. 대화 중 언제든 조정할 수 있습니다.
완성된 발현 히트맵
공개 RNA-Seq 데이터로 한 번 공식 실행한 결과입니다. 아래는 같은 대화에서 레이아웃 피드백을 한 차례 반영한 뒤 저장된 그림이며, 다운로드 파일에는 유전자 목록과 Python 스크립트가 함께 들어 있습니다.

받게 되는 결과물
- 군집 히트맵
- 유전자와 샘플을 계층적 군집화 순서로 배열하고, 발산형 색상 척도, 샘플 주석 막대, 범례를 넣습니다.
- 유전자 목록
- 히트맵에 들어간 유전자와 그룹별 평균 발현량을 정리해, 바로 찾아보거나 인용할 수 있습니다.
- 보고할 수 있는 필터 기준
- 발현량 기준값과 제외한 유전자 유형을 스크립트에 명시해 두므로, 유전자 선정 과정을 연구 방법 절에 그대로 기술할 수 있습니다.
- 스크립트
- 원래 행렬에서 그림까지 이어지는 전체 파이프라인을 Python(요청하면 R)으로 제공합니다.
진행 방식

행렬을 업로드하고 그룹을 알려 줍니다
행은 유전자, 열은 샘플인 발현 표를 Yila에게 주고 샘플을 어떻게 묶을지 알려 주세요. 그룹과 공여자는 대개 샘플 이름에서 읽어 낼 수 있습니다.

Yila는 순위를 매기기 전에 먼저 거릅니다
거의 발현되지 않는 유전자와 해당 측정법으로 제대로 측정하기 어려운 유전자좌를 먼저 제거해, 변동이 큰 유전자가 0 근처의 잡음이 아니라 실제 신호가 되도록 합니다.

히트맵, 목록, 스크립트를 받습니다
히트맵을 렌더링해 확인한 뒤 유전자 목록, 스크립트와 함께 저장합니다. 유전자를 더 넣거나, 다른 거리 척도를 쓰거나, 샘플 순서를 고정하거나, 차등 발현 유전자만 보고 싶다면 같은 대화에서 요청하세요.
활용 상황
RNA-Seq 데이터 첫 탐색
본격적인 차등 발현 분석 전에, 샘플이 처리 조건, 공여자, 배치 중 무엇에 따라 묶이는지 확인합니다.
논문용 그림
중요한 유전자의 발현 패턴을 저널에서 받아들이는 레이아웃으로 보여 줍니다.
공개 데이터 재분석
GEO나 ArrayExpress의 행렬을 몇 분 만에 히트맵으로 만들어, 출판된 주장을 확인합니다.
자주 묻는 질문
더 살펴보기

데이터 분석
CSV/XLSX를 업로드하면 대화로 데이터를 점검하고 연구 통계를 실행해 출판 수준의 차트를 만들 수 있습니다.

차등 발현 결과로 볼케이노 플롯 그리기
DESeq2, edgeR, limma 또는 Cuffdiff의 결과표를 업로드하세요. Yila가 배수 변화의 방향을 확인하고, 지정한 기준값을 적용하고, 중요한 유전자에 색을 입히고 레이블을 단 뒤, 유전자 수 집계와 스크립트를 함께 저장합니다.

PCA를 실행하고 그림까지 제대로 그리기
측정값 표를 업로드하세요. Yila가 변수를 표준화하고 주성분분석을 실행한 뒤 스코어 플롯, 스크리 플롯, 읽기 쉬운 바이플롯을 그리고, 적재량과 스크립트도 함께 제공합니다.
