# สร้างฮีตแมปแบบจัดกลุ่มสำหรับข้อมูลการแสดงออกของยีน

> อัปโหลดเมทริกซ์การแสดงออกจาก RNA-Seq หรือไมโครอาร์เรย์ Yila จะตัดยีนที่แทบไม่มีการแสดงออกออกไป เลือกยีนที่แปรผันมากที่สุด จัดกลุ่มทั้งยีนและตัวอย่าง และระบุกลุ่มของตัวอย่าง

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

## สิ่งที่คุณจะได้รับ

- **ฮีตแมปแบบจัดกลุ่ม** (PNG + SVG): ยีนและตัวอย่างเรียงตามการจัดกลุ่มแบบลำดับชั้น ใช้สเกลสีสองขั้ว มีแถบระบุกลุ่มตัวอย่างและคำอธิบายสัญลักษณ์
- **รายชื่อยีน** (CSV): ยีนในฮีตแมปพร้อมค่าเฉลี่ยการแสดงออกในทุกกลุ่ม ใช้ค้นต่อหรืออ้างอิงได้ทันที
- **เกณฑ์การกรองที่รายงานได้** (วิธีการ): เกณฑ์ระดับการแสดงออกและประเภทยีนที่ตัดออกเขียนไว้ชัดเจนในสคริปต์ จึงอธิบายวิธีคัดเลือกยีนไว้ในส่วนวิธีการได้
- **สคริปต์** (สคริปต์ Python): ขั้นตอนทั้งหมดเป็นภาษา Python (หรือ R หากต้องการ) ตั้งแต่เมทริกซ์ดิบจนถึงรูป

## ขั้นตอนการทำงาน

1. **อัปโหลดเมทริกซ์และระบุกลุ่ม**: ส่งตารางการแสดงออกที่มียีนเป็นแถวและตัวอย่างเป็นคอลัมน์ให้ Yila แล้วบอกว่าจะจัดกลุ่มตัวอย่างอย่างไร โดยทั่วไปกลุ่มและผู้บริจาคอ่านได้จากชื่อตัวอย่าง
2. **Yila กรองก่อนจัดอันดับ**: Yila ตัดยีนที่แทบไม่มีการแสดงออกและตำแหน่งที่วิธีตรวจวัดนี้วัดได้ไม่ดีออก เพื่อให้ยีนที่แปรผันมากที่สุดเป็นสัญญาณจริง ไม่ใช่สัญญาณรบกวนที่ใกล้ศูนย์
3. **รับฮีตแมป รายชื่อยีน และสคริปต์**: Yila สร้างภาพฮีตแมป ตรวจทาน แล้วบันทึกพร้อมรายชื่อยีนและสคริปต์ หากต้องการเพิ่มจำนวนยีน เปลี่ยนวิธีวัดระยะห่าง กำหนดลำดับตัวอย่างตายตัว หรือแสดงเฉพาะยีนที่มีการแสดงออกแตกต่าง ขอได้ในบทสนทนาเดียวกัน

## เหมาะสำหรับ

- **ดูข้อมูล RNA-Seq ครั้งแรก**: ดูว่าตัวอย่างจับกลุ่มตามสภาวะการทดลอง ตามผู้บริจาค หรือตามแบตช์ ก่อนวิเคราะห์การแสดงออกที่แตกต่างอย่างเป็นทางการ
- **รูปสำหรับบทความ**: แสดงรูปแบบการแสดงออกของยีนที่สำคัญ ด้วยการจัดวางที่วารสารยอมรับ
- **วิเคราะห์ข้อมูลสาธารณะซ้ำ**: เปลี่ยนเมทริกซ์จาก GEO หรือ ArrayExpress เป็นฮีตแมปได้ในไม่กี่นาที เพื่อตรวจสอบข้อสรุปที่ตีพิมพ์ไว้

## คำถามที่พบบ่อย

### ทำไมต้องกรองยีนก่อนเลือกยีนที่แปรผันมากที่สุด

ยีนที่มีการแสดงออกใกล้ศูนย์อาจแปรผันมากเพียงเพราะความบังเอิญ และตำแหน่ง small RNA ที่สั้นก็วัดได้ไม่ดีด้วย poly-A RNA-Seq หากไม่กรอง ยีนเหล่านี้จะเบียดยีนที่คุณสนใจออกไป การวิเคราะห์ครั้งก่อนบนข้อมูลชุดเดียวกันโดยไม่กรองแสดงให้เห็นปัญหานี้ ยีน 50 อันดับแรกส่วนใหญ่เป็นตำแหน่ง snoRNA และ miRNA

### z-score ช่วยอะไร

แต่ละยีนถูกปรับสเกลให้มีค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐาน 1 จากทุกตัวอย่าง สีจึงบอกว่ายีนนั้นสูงหรือต่ำเมื่อเทียบกับตัวมันเอง หากไม่ปรับ ยีนที่มีปริมาณมากที่สุดจะครอบงำสเกลสีทั้งหมด

### เลือกยีนเองได้ไหม

ได้ อัปโหลดหรือวางรายชื่อยีน หรือขอให้ใช้ยีนที่มีการแสดงออกแตกต่างมากที่สุดจากตารางผลการวิเคราะห์ แล้วฮีตแมปจะวาดจากยีนเหล่านั้น

### ใช้ค่าข้อมูลแบบไหนได้บ้าง

FPKM, TPM, จำนวนรีดที่ปรับมาตรฐานแล้ว หรือค่าความเข้มสัญญาณจากไมโครอาร์เรย์ หากเป็นจำนวนรีดดิบ Yila จะปรับมาตรฐานและแปลงเป็นลอการิทึมก่อน พร้อมบอกวิธีที่ใช้

### กำหนดลำดับตัวอย่างให้คงที่ได้ไหม

ได้ ขอให้จัดกลุ่มเฉพาะยีน แล้วตัวอย่างจะเรียงตามลำดับที่คุณกำหนด เช่น เรียงเป็นกลุ่มตามสภาวะการทดลอง

### ใช้ R หรือ Python

ใช้ได้ทั้งสองภาษา ตัวอย่างนี้ใช้ Python กับ seaborn ส่วนใน R นั้น Yila ใช้ pheatmap หรือ ComplexHeatmap

### ข้อมูลในตัวอย่างมาจากไหน

มาจากชุดข้อมูลสาธารณะ GSE52778 ใน GEO ซึ่งเป็นข้อมูล RNA-Seq ของงานวิจัย Himes และคณะ (PLOS ONE, 2014) ทั้งนี้ Yila ไม่เคยนำข้อมูลของผู้ใช้มาใช้เป็นตัวอย่าง

---

- [สร้างฮีตแมปแบบจัดกลุ่มสำหรับข้อมูลการแสดงออกของยีน](https://yila.ai/th/playbooks/gene-expression-heatmap)
- [llms.txt](https://yila.ai/th/llms.txt)
