3.12笔记GEO-常见图表

本文图片引用自生信技能树，小洁老师的课件，关注微信公众号：生信技能树、生信星球

热图heatmaps

什么是热图

本质上它是用颜色直观的表现一个数值矩阵，图上每一个小方格都是一个数值，按一条预设好的色彩变化尺（称为色键，Color Key），来给每个数值分配颜色，虽然看起来眼花，但道理却很简单。使用时，不必局限于基因鉴别上下调，所有实验涉及矩阵数据表达都可以用热图可视化表达

热图的输入数据必须是数值型数据框或者矩阵，颜色的变化显示数值的大小
当我有一个二维矩阵，例如：

image.png

这是一个TCGA肺腺癌的基因表达谱（logCPM，前5个基因、5个样本）。我想以直观的方式观察这个二维矩阵，怎么办？

这个时候就要用到热图了。这个矩阵的热图（前50个基因、50个样本）：

image.png

每1个格子代表横轴样本名与纵轴基因对应的数值，颜色显示按照图右边的色键标准显示。
图中直接看很难看出什么信息，能不能对行和列进行排序，把相似的排到一起 这样不就能直观地反应信息了吗？当然排序的方法有很多，你可以自己排，也可以使用聚类的方法。所谓聚类的方法 就是对行列（可以都聚类，也可以只对行聚类，或者只对列聚类）进行聚类，把聚到同一类的放到一起。 图二 就是对 样本和基因都进行了层次聚类，距离较近的放到一起。聚类只是改变了数值的位置，对应的样本和基因位置也随着数值改变，相当于根据数据大小把矩阵中的排列顺序改变

image.png

可以只对基因进行聚类，也可以只对样本聚类，但是注意样本聚类后干预组和对照组的样本可能会互相夹杂，简单来说聚类决定了每个样本的位置，而不是分组决定了每个样本的位置

image.png

散点图和箱线图

散点图就是横纵坐标的对应数值，可以根据类型区分颜色，iris中1列为例

image.png

箱线图弱化横坐标,强化分组
输入数据是1个数值型向量和1个有重复值且不能太多的字符串向量

image.png

箱线图中图像的意义箱子内包含50%的数据，中间黑线表示数值的中位数，箱子越扁，说明组内差异越小，箱子越大，说明组内差异越大。还可以在组见加P值对比

image.png

图片引用自生信技能树，小洁老师的课件关注微信生信技能树、生信星球

image.png

火山图

用来显示limma差异分析的结果

image.png

logFC

Foldchange(FC):处理组平均值/对照组平均值

image.png

logFoldchange(logFC):FC取log2
非常羞耻的复习下初中数学

image.png

image.png

logFC的意义就是，处理组比对照组表达差别2的logFC倍，所以logFC一般为个位数。，logFC>0,表明处理组基因比对照组表达多，<0，表明处理组比对照组表达少

logFC为火山图的横坐标，绝对值决定差异基因的数量，取阈值一般为±0.585 、1、1.5、1.75、2

什么是P值？

https://zhuanlan.zhihu.com/p/74698448
简单来说，对于基因表达来说，
我们做一个假定：处理组一个基因的表达与对照组相同
P=1时，无论测了几组样本都100%相同，差异性为0.
P=0.5时，有50%的可能表达不同，差异性一般般。
P=0.05时，有95%的可能表达不同，差异性很大。
P<0.01时，有大于99%的可能表达不同，差异性显著!

image.png

-log10(Pvalue)为火山图的纵坐标，意义如上图。一般P<0.01，-log10(0.01)=2,一般取>2为显著差异

image.png

主成分分析PCA

简单的了解内容
主成分分析，旨在利用降维的思想，把多指标转化为少数几个综合指标（即主成分）。
举个例子：iris数据集里，每1列代表一个指标，4列就是4个指标，如果不进行降维分析的化，我们得到的图，就如下图所示，可以看出a与bc，差异性大，bc有一定的交集。我们可以想象，如果有10000列，那么将很难分辨组间的相关性。

image.png

主成分分析就是将上图中4个指标，降维成2个主成分，如何转换我们以后进一步学习，这样就将线变成了点，如下图所示

image.png

图中每个点代表1个样本，点与点之间的距离表示样本间差别，中心点不是样本，圈代表95%置信区间，每个圈为1个组，可以看组件差异及组内差异。