2025-06-19
通過以下(xia)7款可視(shi)化(hua)圖表，對轉(zhuan)錄組數據進行(xing)重點(dian)分析:
1. 熱(re)圖+分(fen)組箱線圖的(de)結合(he)，為我們提供(gong)了(le)直觀展(zhan)示基因在不(bu)同樣本(ben)或分(fen)組中(zhong)表達模式的(de)強大工具。
2. 火山圖以其簡(jian)潔直觀的形式，成(cheng)為篩選顯著差異表達(da)基因的首選工具。
3. 趨(qu)勢分析圖則(ze)聚焦于基因表達(da)隨時間、劑量(liang)(liang)或其他有(you)序變(bian)量(liang)(liang)的變(bian)化趨(qu)勢。
4. 富集分析圈圖和網絡圖則是從(cong)功能注(zhu)釋的(de)角度，對差(cha)異表達(da)基因進行深(shen)入挖掘的(de)重(zhong)要工(gong)具(ju)。
5. GSEA富集分析圖能夠(gou)直觀地展示基(ji)因集在(zai)排序(xu)列表中(zhong)的富集情(qing)況.
6. 蛋白互(hu)作網絡圖則進一步拓展了(le)轉(zhuan)錄組分析(xi)的(de)深度(du)(du)和(he)廣(guang)度(du)(du)。
一、熱圖+分(fen)組箱線(xian)圖
熱圖主體區域：橫向(xiang)表示基(ji)因(yin)(yin)，每一列為一個樣品；顏(yan)色(se)越(yue)紅，代表基(ji)因(yin)(yin)在該(gai)樣本中表達量(liang)越(yue)高，反之顏(yan)色(se)越(yue)藍(lan)，代表基(ji)因(yin)(yin)在該(gai)樣本中表達量(liang)越(yue)低（繪圖數據為基(ji)因(yin)(yin)的(de)表達量(liang)經過zscore標準化計(ji)算(suan)后的(de)值(zhi)）；
左側樣本聚類樹(shu)：樣本(ben)聚(ju)類情況(kuang)，表(biao)達模式相(xiang)近的樣本(ben)聚(ju)到一起劃分(fen)為1個cluster；
右側色塊(kuai)：聚類到一起的(de)(de)樣本使用染(ran)色(se)進行劃(hua)分，不(bu)同顏色(se)代表(biao)不(bu)同的(de)(de)cluster；
箱(xiang)線圖：代表(biao)每(mei)個cluster下(xia)基因(yin)在各樣本(ben)中的表(biao)達(da)模式；箱體表(biao)示數(shu)據(ju)(ju)的四分位數(shu)，即數(shu)據(ju)(ju)集(ji)的中位數(shu)和上下(xia)四分位數(shu)。中位數(shu)表(biao)示數(shu)據(ju)(ju)的中心趨勢，上下(xia)四分位數(shu)表(biao)示數(shu)據(ju)(ju)的分布范圍。
二、火(huo)山(shan)圖
火山圖是基(ji)于表達(da)倍數差異(yi)和顯著(zhu)性結(jie)果，展示基(ji)因(yin)的分布情(qing)況。左側(ce)為Case相比(bi)(bi)于Control下調基(ji)因(yin)，右側(ce)為Case相比(bi)(bi)于Control上調基(ji)因(yin)，可根據需(xu)要在火山圖上對部分基(ji)因(yin)進行標注。
橫坐標: 基(ji)因的(de)差異(yi)倍數（Fold Change）;
縱坐(zuo)標: 顯著性水平(ping)-log10（pvalue)的(de)負對數;
圖中兩(liang)條虛線: 豎虛線為表(biao)達(da)差異倍數(shu)的閾值,橫虛線為顯(xian)著性水平閾值。
顏色: 基因是up（上(shang)調(diao)）、down（下調(diao)）或(huo)none（非顯(xian)著差(cha)異表達(da)），默認標注上(shang)下調(diao)top10基因（顯(xian)著性排序）。
顯著(zhu)差異表達(da)基(ji)因: 通常分(fen)布在圖(tu)形(xing)的兩側，遠離中心區域。
三、趨(qu)勢分(fen)析圖(tu)
趨(qu)勢分(fen)(fen)析(xi)(xi)，是基于雙(shuang)向聚(ju)類熱圖的(de)(de)分(fen)(fen)析(xi)(xi)結(jie)果，進(jin)一步根據基因表(biao)(biao)達(da)(da)模(mo)式(shi)的(de)(de)相(xiang)似(si)性將(jiang)其劃分(fen)(fen)成不同的(de)(de)cluster。適用于2個(ge)以(yi)上的(de)(de)樣(yang)(yang)本，分(fen)(fen)析(xi)(xi)各樣(yang)(yang)品(pin)間(jian)mRNA表(biao)(biao)達(da)(da)豐度(du)的(de)(de)不同變(bian)化模(mo)式(shi)，將(jiang)相(xiang)同表(biao)(biao)達(da)(da)趨(qu)勢的(de)(de)mRNA劃分(fen)(fen)為一簇(cu)(cu)，并對簇(cu)(cu)基因作表(biao)(biao)達(da)(da)模(mo)式(shi)圖，直(zhi)觀(guan)地展示不同類型基因在樣(yang)(yang)品(pin)間(jian)的(de)(de)表(biao)(biao)達(da)(da)豐度(du)變(bian)化情況,因此可以(yi)用于縮小分(fen)(fen)析(xi)(xi)范圍(wei),聚(ju)焦關鍵基因。
四、富集分析圈圖
富集(ji)分析圈(quan)圖：從外到內共(gong)四圈(quan)。
第一圈：Term的(de)分(fen)類(lei)，圈外(wai)為基因(yin)數目的(de)坐標尺。不(bu)同的(de)顏(yan)色代表(biao)不(bu)同的(de)分(fen)類(lei);
第(di)二圈：背景基(ji)因中該(gai)term注釋的基(ji)因數目以及富集(ji)的顯(xian)著性p值，條(tiao)形(xing)長(chang)短(duan)代(dai)表(biao)基(ji)因數目，顏色代(dai)表(biao)富集(ji)的顯(xian)著性；
第三圈：上(shang)下(xia)(xia)調基因(yin)比(bi)例(li)條形圖，紅色代(dai)表(biao)上(shang)調基因(yin)數目，藍色代(dai)表(biao)下(xia)(xia)調基因(yin)數目；下(xia)(xia)方顯(xian)示(shi)具(ju)體的數值(zhi)；當輸(shu)入的差異基因(yin)數量只有一列（未(wei)區分上(shang)下(xia)(xia)調）時，第三圈顯(xian)示(shi)差異基因(yin)的總(zong)數目；
第四圈：各分類的Rich Factor值(富集到該GO Term的差(cha)異(yi)基因(yin)(yin)個數 / 注釋到該GO Term的總基因(yin)(yin)數)，背景輔助線每(mei)個小(xiao)格(ge)表(biao)示0.1；
五、富集分析網絡圖
圓(yuan)圈表(biao)示(shi)GO Term名稱，圓(yuan)圈大小表(biao)示(shi)該 Term 上富集的(de)差(cha)異基因數量多(duo)(duo)少，顏(yan)色(se)的(de)深淺表(biao)示(shi)顯著性(xing)水平高低，連(lian)線(xian)粗細表(biao)示(shi)兩Term中共(gong)有(you)的(de)差(cha)異基因數量，線(xian)條越(yue)粗表(biao)示(shi)共(gong)有(you)差(cha)異基因越(yue)多(duo)(duo)。
六、GSEA富集分析圖
常規的基(ji)(ji)于超幾何分布的富(fu)集分析依賴(lai)于顯著上調或(huo)下調的基(ji)(ji)因(yin)(yin)，容易遺漏部分差異表達不(bu)顯著但(dan)有重要生物學意義的基(ji)(ji)因(yin)(yin)。基(ji)(ji)因(yin)(yin)集富(fu)集分析（GSEA）不(bu)需要指定(ding)明確的差異基(ji)(ji)因(yin)(yin)閾(yu)值，把(ba)所有基(ji)(ji)因(yin)(yin)按(an)照在兩組樣(yang)本中的差異表達程度進行排(pai)序(xu)，然后采用統計學方法檢驗(yan)預先設定(ding)的基(ji)(ji)因(yin)(yin)集合是否在排(pai)序(xu)表的頂端(duan)或(huo)低段富(fu)集。
GSEA富(fu)集(ji)分(fen)析圖(tu),從上到下分(fen)為三個部(bu)分(fen):
第一部分(fen)：每個位置對應的(de)ES值(zhi)的(de)分布曲線，最(zui)(zui)高峰(feng)處的(de)得分（垂(chui)直距(ju)離(li)0.0最(zui)(zui)遠）便是基因集的(de)ES值(zhi)；
第(di)二部分：用(yong)線條標記了(le)對應基因集中基因出現在排(pai)序列表中的位置，每條豎線代表一(yi)個基因；
第(di)三部分(fen)：是所有基因排序后分(fen)(fen)布情況，其中紅色(se)部分(fen)(fen)對(dui)(dui)應的基因在處理組(zu)中高(gao)表(biao)達，藍色(se)部分(fen)(fen)對(dui)(dui)應的基因在對(dui)(dui)照組(zu)中高(gao)表(biao)達。
七(qi)、蛋白互作(zuo)網絡(luo)圖
蛋白互作(zuo)網絡（protein protein interaction network,PPI network）是(shi)揭示(shi)基因(yin)(yin)之間(jian)互作(zuo)關系的(de)(de)(de)分(fen)析。PPI分(fen)析可(ke)以(yi)對(dui)目標(biao)基因(yin)(yin)集進行互作(zuo)關系的(de)(de)(de)探索，從(cong)基因(yin)(yin)集中篩選(xuan)關鍵基因(yin)(yin)，進一步縮小目標(biao)的(de)(de)(de)范圍，是(shi)數(shu)據(ju)挖掘(jue)的(de)(de)(de)重要組成。
百度搜索“派森諾基因云”或直接訪問官方網站//www.genescloud.cn/home進入平臺。登錄后，點擊“云分析”功能模塊，通過搜索關鍵詞轉錄組云(yun)分析，快速找到所需的產品。溫馨提示：平臺現已正式接入DeepSeek-R1滿血版，您可以根據需求切換不同模型進行體驗。在繪圖過程中，如果遇到常見問題，建議先使用PAI繪圖小(xiao)助手進行(xing)自助(zhu)解決；若有(you)個性化(hua)需求或遇到(dao)無法解決的問題，歡迎通過【工單中(zhong)心】與(yu)平(ping)臺聯系，提出您(nin)的需求或建議(yi)。派森諾基因云始(shi)終秉持(chi)(chi)“持(chi)(chi)續創新，不(bu)斷升級”的理念，未來將推出更多(duo)精美(mei)的可視化(hua)圖表(biao)與(yu)實用的分析工具，期待您(nin)的使(shi)用與(yu)反饋！
