热图

这是热图，行是gene，列是RNA-seq样本。这个数据已经通过两种方式进行了修饰，因此我们可以从中获得一些见解。

• 相对丰度(relative abundances)已经被缩放(scaled)。这是在每个基因的基础上进行的(其他热图一次缩放所有的基因)。这很容易看出样本X比样本z含有更多/更少的Y基因。举个例子，很容易看出样本1比其他样本表达量更高。然而，这种特定的缩放意味着我们不能跨基因进行比较。样本1中的暗红色条并不意味着样本1中Y基因比其他基因更容易转录，只是比其他样本表达量高。

image-20210104161624924.png

将行/基因按相似性进行分组。这些基因在样本2中转录最多（在样本4中转录最少)。这些基因在样本1中转录最多(在样本4中最少)。这些基因在样本2中转录最多（在样本3中转录最少)。“聚类”不是偶然的，而是由于一个计算机程序试图把“相似的”东西放在一起。

image-20210104162019309.png

没有聚类数据会像这样，数据看起来混乱很难去解释。

image-20210104162314862.png

没有聚类和缩放，将会变成这样，注意到一个基因是高转录的，它是异常值，以至于无法看到其他基因的表达。

image-20210104163729015.png

• 这个热图已经被缩放和聚类。缩放是“全局”的——不是每行/基因 而是对于 所有行 /基因。我们可以使用“全局”缩放，因为我们没有异常值。聚类是根据列/样本和行/基因进行的。按列聚类可以表明这些样本的表达是相似的，按行聚类可以表明这些基因的表达是相似的。没有聚类和缩放看上去是混乱的。

image-20210104163252382.png

如果我们在第一个热图中使用全局缩放会怎样?

这一异常值极大地扭曲了缩放，以至于不能看到其他基因。同时，注意到聚类的变化和基因有一个新的顺序。缩放可以影响两件事：

• 基因的颜色有多鲜艳，你是否可以比较它们

• 聚类

image-20210104163946581.png

怎样缩放

Z值缩放法

• 无论你是通过基因还是全局，最常见的方法是"Z-Score- Scaling"（Z值缩放法），因为从技术上讲，它会把数据转换成“Z-Score”(z值)

6个样本的RNA-seq的read，

1. 计算平均数(16.5)

image-20210104164824159.png

2. 每个值减去平均数

image-20210104164921659.png

3. 计算标准差(6.28)

4. 除以标准偏差(注意，轴上的刻度发生了变化)

   • 数据过去从-8到+8。现在是-1.2到1.2之间

image-20210104170136679.png

Z值缩放公式：

image-20210104170337797.png

不管原始数据的变化如何，除以标准偏差就可以确保数据范围得到缩小。为什么我们要缩小数据的范围，因为我们只能辨别有限颜色的深浅。范围越大，色度的差异就越微妙。通过对数据进行缩放，我们使用的色度更少，更容易看到：“样本1比样本2有更多的转录……”

如果有一个异常值，那个标准差将会变非常大，也就是Z值的分母变大，接近于零的值会被压缩到很多，用几个色度很难将它们分开。

image-20210104190441616.png

当我们使用异常值对数据集进行“全局缩放”时，我们看到其中一个基因明显高度表达，但我们看不出其他基因有什么不同。

image-20210104190600707.png

怎样聚类

聚类主要有两种类型：

• 层次(hierarchical)

• K-means

层次聚类(hierarchical clustering)

• 见10聚类笔记

总结

• 缩放数据(either per gene,per sample, or globally)

• 聚类数据(either by gene,or sample, or both gene and sample)聚类数据

  • 层次聚类

  • K-means