Nature图形解析与绘制—热图的绘制及深入解析

热图( Heatmap **)**是一种通过颜色编码的二维可视化图表,用不同颜色或色阶的区块直观展示数据的分布、密度或数值大小。

热图的原理:

(1)颜色映射:将数据值映射到颜色梯度(如冷色代表低值,暖色代表高值)。

(2)矩阵结构:通常以网格形式呈现,每个单元格对应一个数据点。

(3)直观对比:通过颜色深浅快速识别数据中的"热点"(高值区)和"冷点"(低值区)。

其类型主要分以下:

本期教程以2022年发表于Nature communications的一篇文章的图形为例,深入分析文章中热图及使用Origin复现Nature同款热图。

Nature 图形解析

原文中使用热图展示了在三种不同细胞系(SKBR3、BT474、AU565)中,亲本细胞和抗性细胞中8个m6A写入/擦除蛋白的表达水平比较,采用Log2倍数变化(Log2FC)来表示基因表达差异。

热图拆解分析:

(1)行表示8个m6A调控因子的表达水平:METTL3、METTL14、METTL16、RBM15、VIRMA、WTAP、ALKBH5和FTO。

(2)列展示三种细胞系(SKBR3、BT474、AU565),每种细胞系都比较了抗性细胞(右侧)和亲本细胞(左侧)。

颜色刻度:颜色代表表达的倍数变化:红色表示抗性细胞中表达上调(高的正Log2FC)。蓝色表示抗性细胞中表达下调(低的负的Log2FC)。白色/浅色表示没有显著变化(接近0的Log2FC)。

从热图可得出结论:

(1)METTL14在抗性细胞中有显著的下调,尤其在SKBR3、BT474和AU565细胞系中(呈蓝色)。

(2)METTL3在SKBR3和AU565中有所下调,不过下调程度不如METTL14明显。但在BT474中上调。

(3)其他基因如WTAP和FTO在某些细胞系中表现出不同的表达变化,有的上调,有的下调。

这些数据表明,m6A写入/擦除因子的表达在药物抗性中可能存在差异,可能与单抗耐药性的发展相关。

Origin 复现热图

1.打开Origin软件,将数据导入到软件中,数据格式如下图所示:

2.选中所有的数据,点击绘图---等高线图---热图;

3.在跳出的对话框,直接点击确定即可;

4.绘制出来的图形如下图所示,接着需要对其进一步细节美化;

5.双击图形,在颜色映射对话框下,点击填充,点击加载调色板,选选择自己喜欢的颜色;

6.点击下轴,在跳出的浮动工具,勾选显示对称轴,取消勾选标签,轴选择无;点击上轴,在跳出的浮动工具,轴朝向对外,勾选标签;

7.接着对其进行其它细节美化,其中包括删除坐标轴标题,添加字体"Resistant vs Parent",调整上轴坐标轴标签的旋转角度等,其效果图如图所示:

8.接着调整热图的宽度,点击图形,选择Layer1,在大小对话框下,缩小宽度;

9.接着对其它细节美化,最终效果图如下图所示:

以上就是Origin复现Nature热图的基本步骤,及对热图的深入解析,希望本次教程能有助于大家更加清晰地了解热图。

阅读Nature,模仿Nature,发表Nature!

------ END ------

相关推荐
觉醒大王2 天前
哪些文章会被我拒稿?
论文阅读·笔记·深度学习·考研·自然语言处理·html·学习方法
觉醒大王2 天前
强女思维:着急,是贪欲外显的相。
java·论文阅读·笔记·深度学习·学习·自然语言处理·学习方法
张较瘦_2 天前
[论文阅读] AI | 用机器学习给深度学习库“体检”:大幅提升测试效率的新思路
论文阅读·人工智能·机器学习
m0_650108243 天前
IntNet:面向协同自动驾驶的通信驱动多智能体强化学习框架
论文阅读·marl·多智能体系统·网联自动驾驶·意图共享·自适应通讯·端到端协同
m0_650108243 天前
Raw2Drive:基于对齐世界模型的端到端自动驾驶强化学习方案
论文阅读·机器人·强化学习·端到端自动驾驶·双流架构·引导机制·mbrl自动驾驶
快降重科研小助手3 天前
前瞻与规范:AIGC降重API的技术演进与负责任使用
论文阅读·aigc·ai写作·降重·降ai·快降重
源于花海3 天前
IEEE TIE期刊论文学习——基于元学习与小样本重训练的锂离子电池健康状态估计方法
论文阅读·元学习·电池健康管理·并行网络·小样本重训练
m0_650108244 天前
UniDrive-WM:自动驾驶领域的统一理解、规划与生成世界模型
论文阅读·自动驾驶·轨迹规划·感知、规划与生成融合·场景理解·未来图像生成
蓝田生玉1234 天前
LLaMA论文阅读笔记
论文阅读·笔记·llama
*西瓜4 天前
基于深度学习的视觉水位识别技术与装备
论文阅读·深度学习