SC3 聚类结果中的几张热图

我们之前在 SC3 : 单细胞转录组聚类分析R包 中介绍过SC3聚类算法，对于细胞异质性未知的样本，聚成几个类我们不知道，这时候可以多尝试几种聚类策略。SC3这个时候就派上用场了。

SC3在可视化上面为我们贡献了几张热图，那么他们都是什么意思呢？

共识矩阵是一个N×N矩阵，其中N是输入数据集中的细胞数。根据所有聚类参数组合的聚类结果的平均值，表示细胞之间的相似性。similarity 0(蓝色)表示这两个细胞总是被分配到不同的群。相反，similarity 1(红色)表示这两个细胞总是被分配到相同的群。共识矩阵采用层次聚类方法进行聚类，具有对角块结构。直观地说，当所有对角块都是完全红色，所有非对角元素都是完全蓝色时，就可以实现完美的聚类。

表达热图表示基因以kmeans进行聚类，k = 100(左侧为树状图)，heatmap表示基因簇中心在log2- scale后的表达水平。

差异基因的计算采用非参数Kruskal-Wallis检验。SC3提供了调整p值< 001的所有差异表达基因的列表，并绘制了p值最低的50个基因的基因表达谱。值得注意的是，聚类后的差异表达计算可能会在p值的分布中引入偏差，因此我们建议仅使用p值对基因进行排序。

为了找到标记基因，每个基因都建立一个基于平均聚类表达值的二元分类器。然后利用基因表达序列计算分类器预测，ROC曲线下的面积用来量化预测的准确性。利用Wilcoxon符号秩检验为每个基因分配一个p值。默认选择ROC曲线下面积(AUROC)为> 085且p值< 001的基因，在此heatmap中显示每个簇的前10个标记基因。

单细胞绘图系列：

稍作优化（调整热图颜色+调整细胞类型标签颜色，最好与UMAP图一致）

scale_fill_gradientn()系列函数用法见： ggplot2点图

更改横轴顺序（根据实际需要）

做一下美化，调整一下颜色

完成～

很多时候，我们做完转录组，会想着看看样品与样品之间的表达相关性如何？依此，可以看看是否存在异常样品，也或许可以找到一些生物学相关问题。常常，我会使用 R 语言的 Corr 函数，然后用 pheatmap 出个图。当然，这个两行命令就解决了。但是呢 pheatmap 出的热图调整起来还是麻烦。为了偷懒，我决定花点时间，在 TBtools 中直接写一个。因为这个功能比较简单，其实就是读取表达量矩阵，计算样品间相关系数，用系数矩阵绘制热图。

感觉就是十来分钟的事情，真的太简单。打界面麻烦了点，不过我也有些好的组件，所以，其实也简单。结果如下，

从界面来看，使用更简单，只需要给一个基因表达量矩阵即可。

接下来就是按照热图常见 *** 作，做个微调，得到图稿如下

Emmm，又是一个简单的小工具。事实上，我很久以前也有想过写这个，但是呢用不上。这次写的原因简单，我觉得原有的方式出来的热图，不是我要的效果，因为不够好看。
但是，TBtools 出的热图，好看！而且，细节容易调整。

热图概念：热图是一个以颜色变化来显示数据的矩阵，可以简单地聚合大量数据，并使用一种渐进的色带直观地展现空间数据的相对大小。

热图在生物学中的应用：生物学中热图经常用于展示多个基因在不同样本中的表达水平。然后可以通过聚类等方式查看不同组（如疾病组和对照组）特有的形式。热图还可以用于展示其他物质的丰度比如微生物的相对丰度、代谢组不同物质的含量等等。当然，另一个热图的重要用处就是展现不同指标、不同样本等之间的相关性。

pheatmap画图

基因fpkm表达量热图

情况1：一类分组：KO,OE,WT

情况2：两类分组

两类分组自定义颜色

鲜艳的热图就这样完成啦！

如果您需要组学服务，请联系我们！

基因芯片(genechip)（又称DNA芯片、生物芯片）的原型是80年代中期提出的。基因芯片的测序原理是杂交测序方法，即通过与一组已知序列的核酸探针杂交进行核酸序列测定的方法，在一块基片表面固定了序列已知的靶核苷酸的探针。当溶液中带有荧光标记的核酸序列TATGCAATCTAG，与基因芯片上对应位置的核酸探针产生互补匹配时，通过确定荧光强度最强的探针位置，获得一组序列完全互补的探针序列。据此可重组出靶核酸的序列。
原位合成是一种制作基因芯片的方法，是原来用于电子芯片制作的光刻法转为核酸序列的合成技术。利用光罩控制反应位置，将核苷酸分子依序列一个一个接上去；可大量生产超高密度的芯片。由于制程与光罩成本等因素，这种方法做出的探针长度约在25-mer以下；因此同一个基因需要多个探针对应，以避免误判。

Emmm 这段时间仍然在整理毕业论文的数据。这套数据，维度还是麻烦。表达量数据在做可视化时，总是觉得不够直观。为此，这三四天在外面忙事情的空闲时，我想到了一个不错的实现。
昨天发了一个推送，骗了大家一堆赞赏，合计了下，好像有300多，啊，十年后是否会捐更多？回到主题。

首先放出一张图

可以看到，这张图：

整体上，这样绘制出来的热图确实是可以体现一些信息，但是非常不直观，而且 不能很好的显示出样品之间的区别与联系 。

首先还是放上一张图，

在这个热图中，我们可以非常直观地观测，不同性别类型内部基因的表达变化，样本间的关系，也可能很好的对比到不同组织相同时期的表达差异。换句话是， LayoutHeatMap让你获得更好的数据解读体验 。

LayoutHeatMap 这个热图工具的名字是我起的，这样绘制热图的方式可能是存在的，不过这类热图的绘制工具应是不存在的。

LayoutHeatMap相比于普通的Heatmap，就是增加了Layout，用户自己定义一个样品布局即可。
比如，全部放在一行（Note: 名字相同的会被合并居中）

其实，如果你乐意，你可以做成自己的Logo

可视化是为了更好的解决数据，而不是为了炫技。只是有时候两者会被结合在一起。

怎样计算基因和mirna的相关性并绘制热图
有点复杂的。microRNA直接调节基因的表达，而生产相关疾病。microRNA检测方面现在实时定量PCR比较常规，QANGEN可以买到相应的试剂盒。临床样本处理好后，抽提RNA，再针对基因设计引物，进行PCR条件优化与上机分析，参照内参就成分析数据了。microRNA研究还有RNAi，可以通过化学合成SiRNA，或载体构建质粒转染，或病毒包装来 *** 作。建议做慢病毒RNAi。研究思路比较常规，转染效率高的话干扰效率一般不会低的，可以做相关生物学效应与功能分检测。microRNA过表达可以使用pcDNA62-miR vector构建,miRNA前体可以到miRBase查询。

A、甲图中，转录和翻译同时进行，属于原核生物的基因表达过程，而原核生物没有染色体，故A错误；B、红霉素影响核糖体在mRNA上的移动，所以影响基因的翻译过程，故B错误；C、图乙中①是DNA复制、②是转录过程、③是翻译过程、④是RNA的复制，⑤是逆转录过程，图甲是基因控制蛋白质的合成过程，即转录和翻译，为图乙中的②③过程，故C错误；D、图乙中涉及碱基A与U配对的过程为②③④⑤，①过程中只有A与T配对，故D正确．故选：D．

---