
画一张基因表达聚类热图
上传 RNA-Seq 或芯片的表达矩阵,Yila 先去掉几乎不表达的基因,再选出变化最大的基因,对基因和样本做聚类并标注分组。
这是的逐样本表达表。请为表达充分、变异最大的 50 个基因画一张可直接投稿的聚类热图:先去掉低表达基因和小 RNA 位点,取 log2(值 + 1),每个基因在样本间做 z 分数标准化,对基因和样本做聚类,并按标注样本、附图例。热图保存为 PNG 和 SVG,同时保存含各组平均表达量的基因列表和代码。
将在 Yila 工作台中打开,之后可以在对话里随时调整。
一张完成的表达热图
这是用公开 RNA-Seq 数据跑的一次官方示例。下面是在同一个对话里根据一轮版式反馈修改后保存的图,下载包里另有基因列表和 Python 代码。

1 / 1
你会得到
- 聚类热图
- 基因和样本都按层次聚类排序,双向色阶,带样本分组注释条和图例。
- 基因列表
- 热图中每个基因在各组的平均表达量,方便查阅或引用。
- 可报告的筛选条件
- 表达量阈值和排除的基因类别都写在代码里,方便在方法部分如实描述基因是怎么选出来的。
- 分析代码
- 从原始矩阵到成图的完整 Python 流程(需要的话也可以是 R)。
怎么做

上传矩阵,说明分组
把基因为行、样本为列的表达表交给 Yila,说明样本怎么分组。分组和供体通常可以直接从样本名里读出来。

Yila 先过滤,再排序
它先去掉几乎不表达的基因和这种测序方法测不准的位点,保证选出来的高变基因是真实信号,而不是接近零的噪声。

拿到热图、列表和代码
热图渲染出来检查后,与基因列表和代码一起保存。想多放一些基因、换距离算法、固定样本顺序或只看差异基因,在同一个对话里说就行。
适合这些场景
初看 RNA-Seq 数据
在正式做差异分析之前,先看样本是按处理、按供体还是按批次聚在一起。
论文中的图
用期刊认可的版式,展示关键基因的表达模式。
重分析公开数据
几分钟内把 GEO 或 ArrayExpress 的矩阵画成热图,核对已发表的结论。



