3分钟掌握这俩生信图表，90％以上国自然标书用的上！零代码轻松掌握！

单基因共表达热图和火山图

小伙伴们，大家好！又和小洋见面啦，在之前的推文里小洋向大家介绍了复杂数值热图和环形热图，不知道大家是否学会了。那么今天，小洋将向大家介绍一下基于单基因的共表达热图和火山图。

小洋的单图复现系列传送门

最难最好用的临床预测分析，最简单的零代码教你搞定！今天给你扒一扒！

简单多变的雷达图！十分钟教你学会！让导师刮目相看的神技能！进来学！

零代码搞定临床预测分析有多简单？也就是3分钟....教你装逼新技能！

5分钟！零代码教你搞定CNS级别的美图！90%以上生信SCI中都会遇到！

太绝了！临床研究加上这个图，等着被导师夸吧！一眼吸睛！

真的！没想到7+SCI最爱的美图这么容易复现！零代码，学不会算我输！

基本概念

单基因共表达热图：通过热图的方式，展示单个主要基因和其他多个基因之间表达趋势的相关性情况。

涉及的统计方法：

Pearson 相关：参数相关性检验，衡量两组之间是否存在线性关系。

Spearman 相关：非参数相关性检验，通过秩次来判断两组是否存在相关性。如果不懂具体的选择条件，可以选择该方法。

火山图：表达谱（RNAseq）进行差异分析后得到的差异分析结果的可视化内容之一，火山图中每个点代表一个分子的差异倍数和经过转换的校正后的p值，整个图的形状形似火山喷发，所以称为火山图。

应用场景

单基因共表达热图：

单个基因和其他多个基因之间表达的相关趋势情况。

火山图：

可视化差异分析后的结果，需要提供logFC 和校正后的p 值（或者p 值）。

批量相关性结果的结果（需要提供相关系数和p 值）。

结果解读

单基因共表达热图

★ 单基因共表达热图分成两个部分，上部分为主要基因的表达情况，下部分为其他基因的表达情况经过zscore 转换后的情况。

★zscore 转换是绘制热图中常用的一种对数据进行转换的方法（每个基因的表达值减去其在所有样本中的表达均值后，再除以标准差），可以减少不同分子表达值差异过大而影响整个热图的可视化效果，并且zscore转换保留了单个分子在样本间的差异情况。

★整个图的x 值代表一个个样本，整批样本按照主要基因的表达的从低到高进行排序,再观察其他基因的表达趋势情况是否和主要基因显著关系（正相关/负相关）。

★可以看到，第一个基因NAT1 和主要基因ERBB2 之间相关性比较明显（红色的地方跟主要基因高表达组比较趋同）。

★ 共表达热图的右侧还有*，这个代表这个基因和主要基因之间的相关性统计结果的p 值情况，***代表p<0.001。

★ 相关系数为正数，说明两个变量可能存在正相关关系；相关系数为负数，说明两个变量可能存在负相关关系。

★ 相关系数强弱：

绝对值在0.8 以上：强相关
绝对值在0.5-0.8：中等程度相关
绝对值在0.3-0.5: 相关程度一般
绝对值在0.3 以下：弱或者不相关

火山图

★图中横坐标为logFC 值，纵坐标为经过-log10 转换后的校正后的p 值。

★每个点代表一个分子，对应有一个logFC 值和经过-log10 转换后的校正后的p 值。蓝色的点在左侧，代表logFC < -1 且校正后p 值< 0.05 的分子；红色的点再右侧，代表logFC > 1 且校正后p 值< 0.05 的分子。灰色的点代表| logFC | < 1 或者校正后p值>0.05 的分子。

★（阈值线）图中还有两根竖线，分别代表logFC 为-1和1的竖线；还有一根横线，代表校正后p值在0.05的横线。

以上就是有关单基因共表达热图和火山图的背景介绍，如果想要进一步掌握单基因共表达热图和火山图的相关内容，还可以登录解螺旋官方网站进行深入的学习和探索！

文献解读

下面让我们来看一篇2021年1月发表在“Frontiers in Genetics（IF= 4.599）杂志上的一篇文章。题名为“Increased Expression of TICRR Predicts Poor Clinical Outcomes: A Potential Therapeutic Target for Papillary Renal Cell Carcinoma”。