# 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.

URL: https://yila.ai/fr/playbooks/gene-expression-heatmap

## Ce que vous obtenez

- **La heatmap avec classification** (PNG + SVG): Gènes et échantillons ordonnés par classification hiérarchique, échelle de couleurs divergente, barres d’annotation des échantillons et légende.
- **La liste des gènes** (CSV): Les gènes de la heatmap avec leur expression moyenne dans chaque groupe, prêts à être consultés ou cités.
- **Des filtres documentés** (Méthodes): 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** (Script Python): Le pipeline complet en Python (ou en R sur demande), de la matrice brute à la figure.

## Les étapes

1. **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.
2. **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.
3. **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

### Pourquoi filtrer les gènes avant de choisir les plus variables ?

Les gènes dont l’expression est proche de zéro peuvent varier fortement par hasard, et les loci courts de petits ARN sont mal mesurés par le RNA-Seq poly-A. Sans filtre, ils évincent les gènes qui vous intéressent. Une exécution antérieure sans filtre, sur les mêmes données, l’a montré : la plupart de ses 50 premiers gènes étaient des loci de snoARN et de miARN.

### À quoi sert le z-score ?

Chaque gène est ramené à une moyenne de 0 et un écart type de 1 sur l’ensemble des échantillons : les couleurs montrent donc où un gène est haut ou bas par rapport à lui-même. Sans cela, les gènes les plus abondants domineraient l’échelle de couleurs.

### Puis-je choisir moi-même les gènes ?

Oui. Importez ou collez une liste de gènes, ou demandez les gènes les plus différentiellement exprimés d’un tableau de résultats : la heatmap est alors tracée pour ceux-ci.

### Quelles valeurs d’entrée sont acceptées ?

FPKM, TPM, comptages normalisés ou intensités de puces. Pour des comptages bruts, Yila les normalise d’abord et leur applique une transformation logarithmique, en précisant comment.

### Les échantillons peuvent-ils garder un ordre fixe ?

Oui. Demandez une classification des gènes seulement : les échantillons restent alors dans l’ordre que vous indiquez, par exemple groupés par traitement.

### R ou Python ?

Les deux. L’exemple a été réalisé en Python avec seaborn ; en R, Yila utilise pheatmap ou ComplexHeatmap.

### D’où viennent les données de l’exemple ?

De la série GEO publique GSE52778, les données RNA-Seq de l’étude de Himes et al. (PLOS ONE, 2014). Yila n’utilise jamais les données de ses utilisateurs comme exemples.

---

- [Créez une heatmap d’expression génique avec classification hiérarchique](https://yila.ai/fr/playbooks/gene-expression-heatmap)
- [llms.txt](https://yila.ai/fr/llms.txt)
