小白也能畫漂亮的熱圖-賜你一個非編程熱圖工具

文章投稿，除了文好當然還要「顏好」！在這個看臉的世界，為了給文章加分，各位老師學生也是做足功課了！但是不會編程敲代碼？——那必須學學各種繪圖小工具了。

MeV

簡單了解一下，MeV在熱圖繪製方面可以說，已經是非常小白式的了，軟體下載之後，解壓即可使用，無需安裝無需插件，下載網址：https://sourceforge.net/projects/mev-tm4/ 。

使用界面如下圖所示。

數據載入與設置

為了方便演示，小編整了四十個基因的表達數據，設置了八個樣本（如下圖），大家可以按照文件格式準備數據，注意：數據另存成Tab鍵分隔的文本格式進行使用哦！

數據載入通過File，點擊Load Data開始（如下圖A），跳轉到數據導入窗口，選擇準備的txt文件，進行導入（如下圖B），同時設置圖片顏色變化、是否進行注釋以及繪圖數據區域。

數據第一列默認為ID，背景為淺紫色，繪圖數據區域和ID列顏色明顯區別（見下圖C），如需修改繪圖區域，例如排除第二列數據，由第三列開始繪圖，滑鼠點擊第三列第一行之後，第二列數據背景出現淺紫色，故第二列數據不會參會繪圖（見下圖D）。簡單設置之後，點擊load，按照部分默認設置出現原始數據熱圖，例如下圖E和F，二者分別對應不同的數據區域選擇。

注意：第二次導入數據需要將前次導入的數據進行清除，如下圖所示。

數據轉換與圖片優化

原始數據中，基因表達量大小在0~17左右，數據範圍較大，圖片效果展示不理想，進行基因內數據標準化，也就是按行標準化，再調整圖片標尺，進行圖片優化。數據調整通過Adujst Data完成，除標準化之外也可以進行其他形式的轉換，例如log轉換等（如下圖）。

數據調整之後，點擊Display，選擇Set Color Scale Limits，在小窗口中對顏色和標尺進行修改，例如：將默認的原始數據標尺修改到-1~1之間，中間值為0（如下圖A，B）。

修改後，原始數據熱圖對應的標尺和顏色發生了非常明顯的變化（如下圖A），而調整數據的熱圖需要雙擊Original Data，在展開列表中點擊Expression Image，才可以展示出來（如下圖B）。

聚類分析

聚類分析是為了將表達趨勢相似的基因聚在一起，方便觀察和討論。通過MeV的Analysis下拉列表，或者Clustering可以進行聚類分析（下圖A），例如選擇層次聚類之後，根據聚類設置，確定是否顯示基因、樣本聚類樹，距離計算，聚類方法等（如下圖B)，完成設置後，點擊OK，即可實現聚類分析過程。

例如，取消樣本聚類樹，以歐氏距離和平均聚類方法進行分析，可以獲得如下圖結果，注意，聚類圖需要雙擊HCL後，點擊HCL Tree才能展示（針對層次聚類）。

美化設置

到這裡，如果還覺圖片需要優化，可以通過多種方法進行調整。

例如：修改圖片顏色、方框、圖片大小、字體類型、字體大小，主要通過Display進行，可以獲得如下結果：

再比如：修改聚類樹長短和顯示，右鍵選擇 Gene Tree properties（如果有樣品聚類樹，也會有相應設置），在對應的設置選項中進行聚類樹調整，點擊應用，可獲得聚類結果和樹長短調整等等（如下圖）。

在完成分析和圖片美化之後，通過File欄，選擇Save image就可以保存成圖片了！

總結

相比之R或者Python等利用代碼實現畫圖，MeV對於普通的科研工作者來說，再友好不過了，畫起熱圖來簡單易上手。不過你以為MeV只能畫圖嗎？當然不是啦！它還涉及非常多的統計和分析功能，ANOVA、PCA、GSEA等等。小編要繼續去學習這個牛叉叉的軟體了，你們也加油哦！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！