科学网

 找回密码
  注册
用 aPEAR R包聚类整理 GSEA 结果并进行网络图可视化
陈明杰 2026-10-8 17:10
GSEA结果中经常出现一批名称不同但共享核心基因的通路。aPEAR先按通路相似性聚类,再用网络图展示,可以把冗长的结果表整理成几个功能模块。 ▲ aPEAR论文示例:节点表示通路,连线表示通路间的基因集相似性,节点颜色表示NES 📖 aPEA ...
421 次阅读|没有评论
极坐标柱状图如何比较多组临床特征
陈明杰 2026-10-8 16:29
临床研究常常要同时比较多个指标。表格能保留准确数值,却不容易让人迅速看出两组人群的整体差异。极坐标柱状图把各指标沿圆周排列,用柱长表示比例、用颜色区分组别,适合展示多项基线特征或风险评分构成。 📖 论文案例 《J Am Heart Assoc》 论文 “ Outcomes of Elderly Patients Undergoing Le ...
412 次阅读|没有评论
《Nature Genetics》利用树图将基因和功能类别放进一张图
陈明杰 2026-10-8 13:51
一组基因对应多个功能类别时,表格可以保留完整信息,却不方便比较各类别的大小。树图把类别、数量和基因名称放进同一张图,适合用来概览结果。 ▲ 论文 Figure:候选靶基因功能分类树图 📖 论文案例 《Nature Genetics》 论文“Systematic prioritization of functional variants and effec ...
381 次阅读|没有评论
把基因与化合物“点亮”在 KEGG 通路图上:pathview 在线绘图教程
陈明杰 2026-9-30 14:51
导读: 只需准备基因或化合物的定量数据,即可将表达变化、代谢差异直接映射到 KEGG Pathway Map。无需安装 R 包,也能快速获得一张关系清晰、颜色直观的通路图,帮助你从复杂数据中锁定关键基因、酶与代谢物。 📖 先认识 KEGG 通路图 KEGG PATHWAY 数据库由一系列人工整理的图形图谱组成,涵盖 ...
603 次阅读|没有评论
微生信同心圆网络图绘制与参数设置教程
陈明杰 2026-9-22 11:31
同心圆网络图将节点按预先定义的类别或层级排列在多个同心圆上,并用连线表示节点之间的已知或推定关系。该布局适合同时呈现分层结构和连接关系,可用于 PPI、miRNA-TF-mRNA、circRNA-miRNA-mRNA 等网络的可视化。 图 1 论文中的关键基因-RBP相互作用网络 论文里的同心圆网络 ...
613 次阅读|没有评论
从单细胞测序Barcode Rank Plot 到细胞条形码过滤的原理与 R 实操
陈明杰 2026-9-18 15:32
图 1 B arcode Rank 曲线(来自10X官网)。Cliff(悬崖,陡降的一段),Knee(膝盖,变平的一段) 核心结论: raw 矩阵(图上蓝色线+灰色线)保存的是所有检测到的有效 barcode,其中绝大多数并不对应完整细胞。只有 raw 时,应先做 cell calling,生成候选细胞矩阵(图上蓝色线) ...
782 次阅读|没有评论
Nature Genetics同款弦图:从数据准备到参数复用
陈明杰 2026-9-9 14:39
当一组表型同时关联多个基因时,表格可以列清楚配对关系,却不容易让读者快速看出哪些节点连接较多、不同类别如何分布。弦图把两类实体排在圆周两侧,用弦表示对应关系,并按节点的类别着色,简洁清晰。适合展示表型与基因、GO term 与基因、细胞类型与 marker 基因等两类实体间的关系。 📖 论文案例 《Na ...
801 次阅读|没有评论
桑基-气泡组合图:在功能分类框架下展示多组富集结果
陈明杰 2026-8-24 15:34
在多组富集分析中,我们通常需要兼顾两方面的信息:一是“哪些通路在各组中显著富集”,二是“这些通路分别归属于哪些更高层级的生物学功能类别”。若将分类关系与富集结果分开绘制,读者往往不得不在多张图表间反复对照,难以形成整体认知。 为此,可将“桑基图”与“气泡图”融 ...
798 次阅读|没有评论
一图看懂全基因组分布:染色体位置与分类统计联合展示
陈明杰 2026-8-17 12:06
在全基因组尺度展示位点或区域时,我们通常既想知道“变化发生在哪里”,也想比较“不同类型在每条染色体上占多少”。如果把这两类信息拆成两张图,读者需要来回对照;而“染色体位置 + 统计柱状图”可以在同一画面中完成整合:右侧按照染色体长度标注事件的基因组位置,左侧同步汇总各类型在每条染色体上的比例或数量。 ...
874 次阅读|没有评论
CNV Gain/Loss 百分比柱状图:直观展示队列基因变异频率
陈明杰 2026-8-12 09:58
拷贝数变异(Copy Number Variation, CNV)是指基因组DNA片段拷贝数偏离正常二倍体状态(2拷贝)的现象,在肿瘤中广泛存在,是揭示肿瘤发生机制和寻找预后标志物的重要手段。Gain(获得)指拷贝数增加,导致基因表达升高,可能驱动细胞过度增殖,常见涉及EGFR、MYC等;Loss(缺失)指拷贝数减少,导致基因表达不足或功能 ...
927 次阅读|没有评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2026-10-15 13:04

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部