今天给大家讲讲芯片数据分析中常见的一些图的作用，让大家伙儿知道它们在BB些啥。

箱式图(Box plot)

基因芯片的原始数据是需要进行标准化处理的，主要目的是消除由于实验技术(如荧光标记效率、扫描参数的设置、空间位置的差异等)所导致的基因表达量的变化，让各个样本和平行实验的数据处于相同的水平，使得基因表达数据真实地反映测量样品的生物学差异。

箱式图反映的是标准化前后的基因表达数据情况，标准化后，整体数据的中位数会处于同一水平线上(见下方右图)，这表明标准化的结果很好。常用的芯片间数据标准化方法有Quantile Normalization和Global Normalization。

散点图(Scatter plot)

芯片数据的散点图常用于评估两组数据总体分布集中趋势，是由芯片分析的原始数据经过标准化处理，转化为log2的对数后，在一个二维直角坐标系平面中绘制而成的。如果集中趋势不好，则表明芯片数据处理的不好(一般是标准化，归一化做的不好)。散点图中每个点代表一个探针信号，X轴Y轴数值分别对应该探针信号在不同样本中的强弱(下图X轴是Ctrl组，Y轴是Exp组)，图中的绿线是Fold change的阈值线(一般是±2)，即绿线之外的点在信号强弱(基因表达量)上是具有显著差异的。

聚类分析(Hierarchical cluster)图

聚类分析是为了寻找数据之间的相似性进行分类。基因芯片数据分析中比较常用的是分层聚类，它是利用一系列计算，首先找到关系最近(基因表达行为具有相关性等)的两群合并，再找关系相近两群再合并，直到所有的群合并到一个组中。用挑选的差异基因的表达情况来计算样本之间的相关性，对差异基因进行聚类分析可以全面地直观地展示样品之间的关系及差异情况(见下图)。一般来说，同一类样本能通过聚类出现在同一个簇(cluster)中(如果同一类样本，比如实验组3个样本，不能被聚类，则说明芯片分析的结果不好)，聚在同一个簇的基因可能具有类似的生物学功能。下图就是比较常见的聚类分析的热图(Heat map)。

1、色表，表示由蓝到红对应到基因表达量的变化，蓝色表示低表达，红色表示高表达；

2、树状图，X轴方向是样本的聚类，Y轴方向是基因的聚类；

3、每个色块代表一个基因的表达量，X轴对应所属样本，Y轴对应基因名称。

火山图(Volcano plot)

火山图就是长得像火山喷发的图(本宫真的没在瞎BB)。火山图在一张图中显示了两个重要的指标，Fold change和P-value，可以非常直观且合理地筛选出在两样本间发生差异表达的基因。比如下图，X轴是log(Fold change),Y轴为-log(P-value),设置FC和P-value的阈值筛选差异基因，那些红点表示的就是差异基因。

GO图

在上次的文章(有关生物信息学你必须要知道的)中提到基因本体论(Gene ontology, GO)是对基因功能的注释，它由许多个词条构成，而这些词条是有层次的，它们具有从属关系，所以这些词条构成了一个有向无环图。GO的最顶层是细胞组分(Cellular Component, CC)，分子功能(Molecular Function, MF)和生物学过程(Biological Process, BP)这三个词条。下图就是一个GO富集分析的结果。

维恩图(Venn diagrams)

维恩图用于显示元素集合重叠区域，举个应用的例子吧，芯片分析筛选出的差异表达基因是一个集合，数据库中查询的疾病相关基因是一个集合，我们把这两个集合取一个交集，这个交集中的基因就是我们可能会感兴趣的基因。下图中，作者定义了4个集合，4个集合均取交集的结果为0，所以作者只能退而求其次，选3个集合的交集。

文中插图的来源文献：

1、Exploring functions of long noncoding RNAs across multiple cancers through co-expression network

2、Microarray profiling analysis of long non-coding RNAs expression in tendinopathy: identification for potential biomarkers and mechanisms

3、Identification of differentially expressed genes and small molecule drugs for the treatment of tendinopathy using microarray analysis

4、

最后，再给大家推荐两篇文章练练手：

1、Circulating microRNA-150-5p as a novel biomarker for advanced heart failure: A genome-wide prospective study

2、Genome-wide analysis of long noncoding RNA (lncRNA) expression in colorectal cancer tissues from patients with liver metastasis

没有下载权限的童鞋可以去SCI-HUB下载(http://www.sci-hub.io/)。