# 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。

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

## 你会得到

- **聚类热图** (PNG + SVG): 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** (CSV): 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** (方法): 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** (Python 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

1. **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。
2. **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。
3. **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。

## 常见问题

### 为什么要先过滤再选高变基因？

表达量接近零的基因可能仅仅因为偶然而波动很大，较短的小 RNA 位点在 poly-A RNA-Seq 中也测不准。不过滤的话，它们会挤掉你真正关心的基因。同一份数据此前一次未过滤的运行就是这样：前 50 个高变基因大多是 snoRNA 和 miRNA 位点。

### z 分数标准化有什么作用？

每个基因在样本间缩放成均值 0、标准差 1，颜色反映的是这个基因相对自身的高低。不做标准化，丰度最高的几个基因会占满整个色阶。

### 能自己指定基因吗？

可以。上传或粘贴基因列表，或者要求从差异分析结果表里取差异最显著的基因，热图就按这些基因来画。

### 支持哪些输入值？

FPKM、TPM、标准化后的计数或芯片信号值都可以。如果是原始计数，Yila 会先做标准化和对数转换，并说明怎么做的。

### 样本能按固定顺序排列吗？

可以。要求只对基因做聚类，样本就会按你给定的顺序排列，比如按处理分组排好。

### 用 R 还是 Python？

都可以。示例用的是 Python 的 seaborn；用 R 时 Yila 会用 pheatmap 或 ComplexHeatmap。

### 示例用的数据从哪里来？

来自公开的 GEO 数据集 GSE52778，即 Himes 等人 2014 年发表于 PLOS ONE 的研究所用的 RNA-Seq 数据。Yila 从不拿用户的数据做示例。

---

- [画一张基因表达聚类热图](https://yila.ai/zh/playbooks/gene-expression-heatmap)
- [llms.txt](https://yila.ai/zh/llms.txt)
