图形解读系列

图形解读的一般原则：从图的基本构造入手，拆解图的横轴代表什么、纵轴代表什么、几何对象如点、线、柱代表什么和对象的属性如颜色大小代表什么，理解了各个部分，再整体解读图中的差异。

热图是一种很常见的图，其基本原则是用颜色代表数字，让数据呈现更直观、对比更明显。常用来表示不同样品组代表性基因的表达差异、不同样品组代表性化合物的含量差异、不同样品之间的两两相似性。实际上，任何一个表格数据都可以转换为热图展示。

热图通过将数据矩阵中的各个值按一定规律映射为颜色展示，利用颜色变化来可视化比较数据。当应用于数值矩阵时，热图中每个单元格的颜色展示的是行变量和列变量交叉处的数据值的大小；若行为基因，列为样品，则是对应基因在对应样品的表达值；若行和列都为样品，展示的可能是对应的两个样品之间的相关性。

数字映射到颜色可以分为线性映射和区间映射。线性映射是每个值都对应一个颜色，区间映射是把数值划分为不同的区间块，每个区间块的所有数字采用同一个颜色显示。两者没有优劣好坏之分，具体使用取决于展示意图。

来源：https://datavizcatalogue.com/methods/heatmap.html

在使用颜色可视化数值表格的基础上，热图可以增加行和列的色块展示相关的行或列注释信息，如展示样品的取样部位、取样人、样品性别等属性，样品聚类热图配合样品来源的批次信息是初步判断样品受批次效应影响程度的一个方式，如下面宏基因组菌群图谱热图所示。

下图是刘永鑫老师发表的一篇封面文章 水稻微生物组时间序列分析中的一副热图，展示了不同菌在不同生长时期的丰度变化模式。

Z-score是常用的数据归一化方式，用来展示数据相比于均值上调或下调了多少倍的标准差 (X-mean)/SD。此处反应的是OTU的相对丰度变化。通常采用Z-scaore而不是绝对表达量进行热图展示是为了更好的反应变化趋势，也是为了规避数据表中数值区间变化较大时导致的热图中颜色分配不均匀和颜色区分度变弱的影响。在R语言 - 热图美化中讲述过其如何获得和用途是什么。

图中每一行代表一种菌或菌群，每一列是一个样品。从整体来看，图中大致有4个比较亮的区域代表在对应样品中表达丰度高的4个菌群集合。结合列层级聚类图来看，4个高丰度菌群集合分别来自于4组样品（对应于分支图的蓝、绿、红、黄）。最左侧蓝色分支所在大支构成复杂一些，可能是样品异质性导致。

列注释还展示了样品的属性信息包括Visit number, Body site, Gender, Dataset。从图中可以看出，不同数据集来源的数据在聚类后分布均匀，没体现出数据来源偏好性即可以认为批次效应影响不大。性别的影响也不大。Body site的分布与聚类相似度比较高，对于这个的解释需要看原文-MetaPhlAn2 for enhanced metagenomic taxonomic profiling中图形标题和正文的描述了。

样本相关性热图为对称热图，每个单元格代表一个相关性值，具体是哪种类型的相关性可从图例 (Legend)获取。一般结合层级聚类展示，样品相似度高的聚在一起。同时标记样品自身的分组、处理信息，查看样品聚类结果是否与生物分组吻合、差别在哪、各个生物重复的一致性怎么样、各个生物重复是与自己组的样品一致性高还是与其它组样品一致性高，这些可以反映处理的批次的影响和样品质量的好坏。

下图来源于一篇Cell文章 ——Clustered Spearman correlation matrix for different RNA-seq replicates for no treatment and KLA 1h，其主旨是比较不同品系小鼠对基因表达和转录因子结合研究的影响差异有多大。图中展示了不同品系小鼠的野生型和KLA处理组基因表达谱Spearman相似性热图。从对角线处的16-宫格可以看出，小鼠品系比处理方式对表达量的影响更大。