# 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.

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

## 받게 되는 결과물

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

## 진행 방식

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

### 변동이 큰 유전자를 고르기 전에 왜 먼저 거르나요?

발현량이 0에 가까운 유전자는 우연만으로도 크게 변동할 수 있고, 짧은 small RNA 유전자좌는 poly-A RNA-Seq 방식으로는 제대로 측정되지 않습니다. 거르지 않으면 이런 유전자가 정작 관심 있는 유전자를 밀어냅니다. 같은 데이터로 필터 없이 실행했던 이전 결과가 그랬습니다. 상위 50개 대부분이 snoRNA와 miRNA 유전자좌였습니다.

### z-점수 변환은 어떤 역할을 하나요?

각 유전자를 샘플 전체에 걸쳐 평균 0, 표준편차 1로 맞추므로, 색은 그 유전자가 자기 자신에 비해 어디에서 높고 낮은지를 보여 줍니다. 변환하지 않으면 발현량이 가장 많은 유전자들이 색상 척도를 독차지합니다.

### 유전자를 직접 고를 수 있나요?

네. 유전자 목록을 업로드하거나 붙여 넣어도 되고, 결과표에서 차등 발현이 가장 뚜렷한 유전자를 뽑아 달라고 요청해도 됩니다. 그러면 그 유전자들로 히트맵을 그립니다.

### 어떤 입력값을 쓸 수 있나요?

FPKM, TPM, 정규화된 카운트, 마이크로어레이 신호 강도를 쓸 수 있습니다. 원시 카운트라면 Yila가 먼저 정규화와 로그 변환을 하고, 어떻게 했는지 알려 드립니다.

### 샘플 순서를 고정할 수 있나요?

네. 유전자만 군집화해 달라고 요청하면, 샘플은 처리 조건별로 묶는 등 지정한 순서를 그대로 유지합니다.

### R과 Python 중 무엇을 쓰나요?

둘 다 가능합니다. 예시는 Python의 seaborn을 썼고, R에서는 pheatmap 또는 ComplexHeatmap을 사용합니다.

### 예시 데이터는 어디에서 왔나요?

공개 GEO 시리즈 GSE52778로, Himes 등이 2014년 PLOS ONE에 발표한 연구의 바탕이 된 RNA-Seq 데이터입니다. Yila는 사용자의 데이터를 예시로 사용하지 않습니다.

---

- [유전자 발현 군집 히트맵 만들기](https://yila.ai/ko/playbooks/gene-expression-heatmap)
- [llms.txt](https://yila.ai/ko/llms.txt)
