
畫一張基因表現分群熱圖
上傳 RNA-Seq 或微陣列的表現矩陣,Yila 會先濾掉幾乎不表現的基因,挑出變異最大的基因,對基因和樣本進行分群,並標註各組別。
這份逐樣本表現量資料表來自。請為表現量足夠、變異最大的 50 個基因畫一張可直接投稿的分群熱圖:先去除低表現基因和小 RNA 基因座,取 log2(表現值 + 1),將每個基因在各樣本間轉換為 z 分數,對基因和樣本進行分群,並依標註樣本、附上圖例。將熱圖儲存為 PNG 和 SVG,並儲存含各組平均表現量的基因列表與程式碼。
將在 Yila 工作台中開啟,之後可在對話裡隨時調整。
一張完成的基因表現熱圖
這是用公開 RNA-Seq 資料實際執行一次的官方範例。下方是在同一個對話中依一輪版面意見修改後儲存的圖;下載檔裡另附基因列表與 Python 程式碼。

1 / 1
你會得到
- 分群熱圖
- 基因和樣本皆依階層式分群排序,使用雙向色階,並附樣本註記色條與圖例。
- 基因列表
- 熱圖中的基因及其在各組的平均表現量,方便查詢或引用。
- 可寫進方法的篩選條件
- 表現量門檻與排除的基因類別都明確寫在程式碼中,方便在研究方法中說明基因是怎麼選出來的。
- 分析程式碼
- 從原始矩陣到成圖的完整 Python 流程(需要的話也可以是 R)。
運作方式

上傳矩陣,說明分組
把每列一個基因、每欄一個樣本的表現量資料表交給 Yila,並說明樣本要怎麼分組。組別和捐贈者通常可以直接從樣本名稱讀出。

Yila 先過濾,再排序
它會先移除幾乎不表現的基因,以及這種檢測方法量不準的基因座,確保選出的高變異基因是真實訊號,而不是接近零的雜訊。

取得熱圖、列表和程式碼
熱圖畫好並檢查後,會與基因列表和程式碼一起儲存。想放入更多基因、換一種距離量度、固定樣本順序,或只看差異表現基因,在同一個對話裡提出即可。
適用情境
初步檢視 RNA-Seq 資料
在正式做差異分析之前,先看樣本是依處理、依捐贈者還是依批次聚在一起。
論文用圖
以期刊接受的版面,呈現關鍵基因的表現模式。
重新分析公開資料
幾分鐘內把 GEO 或 ArrayExpress 的矩陣畫成熱圖,核對已發表的結論。



