绘制聚类热图--MeV

文章投稿，除了文好当然还要“颜好”！在这个看脸的世界，为了给文章加分，各位老师学生也是做足功课了！但是不会编程敲代码？——那必须学学各种绘图小工具了。

热图是属于生命科学类型文章中非常常见的一种图片了，此前小编教过大家如何用Excel来画热图（戳这里了解一下啊），但是它有一定的局限性：不能实现聚类分析。今天小编来教大家用一款简单不用安装的小工具——MeV，在绘制热图时聚类、统计、细节设置更简单，图片美观度Up! Up! Up!

MeV

简单了解一下，MeV在热图绘制方面可以说，已经是非常小白式的了，软件下载之后，解压即可使用，无需安装无需插件，下载网址：https:///projects/mev-tm4/ 。

使用界面如下图所示。

数据载入与设置

为了方便演示，小编整了四十个基因的表达数据，设置了八个样本（如下图），大家可以按照文件格式准备数据，注意：数据另存成Tab键分隔的文本格式进行使用哦！

数据载入通过File，点击Load Data开始（如下图A），跳转到数据导入窗口，选择准备的txt文件，进行导入（如下图B），同时设置图片颜色变化、是否进行注释以及绘图数据区域。

数据第一列默认为ID，背景为浅紫色，绘图数据区域和ID列颜色明显区别（见下图C），如需修改绘图区域，例如排除第二列数据，由第三列开始绘图，鼠标点击第三列第一行之后，第二列数据背景出现浅紫色，故第二列数据不会参会绘图（见下图D）。简单设置之后，点击load，按照部分默认设置出现原始数据热图，例如下图E和F，二者分别对应不同的数据区域选择。

注意：第二次导入数据需要将前次导入的数据进行清除，如下图所示。

数据转换与图片优化

原始数据中，基因表达量大小在0~17左右，数据范围较大，图片效果展示不理想，进行基因内数据标准化，也就是按行标准化，再调整图片标尺，进行图片优化。数据调整通过Adujst Data完成，除标准化之外也可以进行其他形式的转换，例如log转换等（如下图）。

attachments-2018-07-aGeoIhDd5b3ebf97080df.jpg

数据调整之后，点击Display，选择Set Color Scale Limits，在小窗口中对颜色和标尺进行修改，例如：将默认的原始数据标尺修改到-1~1之间，中间值为0（如下图A，B）。

修改后，原始数据热图对应的标尺和颜色发生了非常明显的变化（如下图A），而调整数据的热图需要双击Original Data，在展开列表中点击Expression Image，才可以展示出来（如下图B）。

聚类分析

聚类分析是为了将表达趋势相似的基因聚在一起，方便观察和讨论。通过MeV的Analysis下拉列表，或者Clustering可以进行聚类分析（下图A），例如选择层次聚类之后，根据聚类设置，确定是否显示基因、样本聚类树，距离计算，聚类方法等（如下图B)，完成设置后，点击OK，即可实现聚类分析过程。

例如，取消样本聚类树，以欧氏距离和平均聚类方法进行分析，可以获得如下图结果，注意，聚类图需要双击HCL后，点击HCL Tree才能展示（针对层次聚类）。

美化设置

到这里，如果还觉图片需要优化，可以通过多种方法进行调整。

例如：修改图片颜色、方框、图片大小、字体类型、字体大小，主要通过Display进行，可以获得如下结果：

再比如：修改聚类树长短和显示，右键选择 Gene Tree properties（如果有样品聚类树，也会有相应设置），在对应的设置选项中进行聚类树调整，点击应用，可获得聚类结果和树长短调整等等（如下图）。

在完成分析和图片美化之后，通过File栏，选择Save image就可以保存成图片了！

总结

相比之R或者Python等利用代码实现画图，MeV对于普通的科研工作者来说，再友好不过了，画起热图来简单易上手。不过你以为MeV只能画图吗？当然不是啦！它还涉及非常多的统计和分析功能，ANOVA、PCA、GSEA等等。小编要继续去学习这个牛叉叉的软件了，你们也加油哦！

更多生物信息课程：

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课，学习链接：linux系统使用、perl入门到精通、perl语言高级、R语言画图

7. 医学相关数据挖掘课程，不用做实验也能发文章，学习链接：TCGA-差异基因分析、GEO芯片数据挖掘、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析

8.其他课程链接：二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读。