相关性用于表示数据之间的相互依赖关系，在数据分析中应用非常广，如样本的重复性检验、基因的共表达分析、微生物群落的共发生网络分析等。相关性分析其实较为简单，学会常见分析工具的用法，很容易得到相关系数矩阵并绘制热图。下面为大家分享6种相关性热图的绘制方法。1.星号标记相关性热图一般在绘制常规的相关性热图后，根据pvalue数值继续在热图上添加显著性标记（星号），如下图。方法一使用OmicShare动态相关性热图工具用法很简单，只需准备两个列名相同的表格即可，比如第1个表格为不同样本对应的理化数据，第2个表格为基因的表达量数据。任务完成后，选择显示p值标记，这样就可以显示“星星“标记了，如下。方法二使用psych和pheatmap包#安装psych包；install.packages("psych")#载入R包；library(psych)#计算基因表达量之间的pearson相关性；ct1

转录调控是生物基因表达的主要调控机制，在转录过程中，通过调节转录因子（Transcription

1.ESPriptESPript是一款免费的用于对位序列展示的在线工具，除了可以显示序列的保守区域，还可以添加蛋白的二级结构，除了支持高dpi的PNG和TIFF格式图片下载，还支持下载PDF格式的矢量图，重点是配色和样式非常漂亮！配色方案选择Normal时绘图效果如下，你也可以尝试Flashy、thermal、B&W等其他配色方案。工具链接：https://espript.ibcp.fr/ESPript/cgi-bin/ESPript.cgi参考教程：ESPript：美得令人心动的序列显示工具2.GeneDocGeneDoc支持多种序列对位文件格式，如fasta

阅读文献时，我们经常会在文献（特别是一些高分期刊）中看到构建的系统发育树会有对应的物种剪影，如下图这两个案例。这样的进化树不仅看起来更加炫酷美观高大上，同时更便于阅读者直观理解，审稿人看着也赏心悦目，妥妥的一箭双雕了！Fig1（Nature

读研的时候一直觉得，发表文章之前要动手做大量的实验工作，之后才发现，有很多文章不需要做实验，通过挖掘数据库中的数据也能发表。下面就以一篇今年发表的文章（如下图）为例，看下如何以具体的案例学习基于GEO数据库进行数据挖掘。文章的分析内容框架比较常见，具体如下，下面就对文中的分析内容进行详细介绍。1.

GSEA选项，选择表达量文件和基因集文件，如下图，基因集文件选择本地文件。接下来的是比较组的“方向”选择，类似于差异分析，这里选择Patient_versus_Control，即当采用默认的gene

之前在《案例复现（一）：表达数据的下载与差异分析》一文中已经介绍了如何从GEO数据库下载数据并进行基于limma的差异分析。完成差异分析后，文章作者首先使用火山图对差异分析结果进行可视化，如下图（A），共得到上调基因2496个，下调基因1130个。那么，如何使用我们自己得到的差异分析数据，复现出原文的火山图呢？甚至绘制出更新颖更好看的火山图？下面继续为大家演示。1.

ID、GO注释信息等。使用GEO2R工具进行分析比较简单，但如何使用R脚本进行个性化分析呢？下面仍以文献中的数据集（GSE74089）为例，详细为大家演示如何使用R

之前使用clusterProfiler包进行GSEA富集，得到的标准的GSEA富集结果图中只展示基因集的ES排序，但在图中不能标注基因，一直令我比较头秃。但最近看到一个R包GseaVis，刚好可以和clusterProfiler互补，使之能轻松在GSEA标准图上标注候选基因，同时也支持点阵图样式，非常简单！今天就来用用看！#部分所需R包安装与载入：devtools::install_github("junjunlab/GseaVis")library(stringr)library(org.Hs.eg.db)library(clusterProfiler)library(GseaVis)#########1.先使用clusterProfiler包完成GSEA富集#DESeq2差异分析结果表导入：load("DESeq2_homo.Rdata")head(DESeq2)

pathways数据库的链接：https://www.wikipathways.org/index.php/WikiPathways在Wiki

基因的功能研究是生命科学研究中非常重要的一部分，而如何查找感兴趣已知基因的信息就显得非常重要。之前在《如何查找感兴趣基因的信息？》一文已经为大家介绍过一种方法，这里再为大家介绍一个类似的数据库。数据库的首页如下：数据库链接：https://www.genecards.org/关于目标基因信息的查找，共有两种方式，一是输入关键词直接搜索基因信息，二是通过Explore

TCGA中存放的不同类型癌症的各类组学公开数据为科研人员进行数据挖掘和深入了解基因功能提供了宝贵的机会。为了方便更多没有编程基础的科研人员能够快速调用数据，市面上开发了很多基于TCGA的数据挖掘及可视化在线工具，既好用又便捷。今天给大家分享一个在文章中被高频使用的好用在线工具：GEPIA2（http://gepia2.cancer-pku.cn/#index）。GEPIA2存放的数据来自TCGA和GTEx（Genotype-Tissue

当我们在进行基因功能研究的时候，首先要查看这个基因的基本信息。之前，在微信推文已经介绍过如何通过GeneCards数据库查找与人相关的基因信息。但如果想查找更多物种的基因功能，我这推荐大家使用Gene数据库。数据库链接：https://www.ncbi.nlm.nih.gov/gene/数据库的使用方法很简单，我们只需在搜索框中输入基因相关的关键词，比如基因名(symbol)，我这里输入BRCA1基因，然后点击Search按钮，得到的结果如下。在Search

cerevisiae），点SEARCH按钮进行互作网络构建。互作网络默认以Network视图（Viewers）进行展示，彩色的“玻璃珠”（也称为节点，Node）表示我们上传的5个蛋白，“玻璃珠”

点击蓝字关注我们之前，在《GEO数据库介绍与数据检索》和《如何从GEO下载数据辅助文章发表？》两篇推文中已经为大家介绍过GEO数据库数据的分类、查找和下载等。那么，有了数据后如何进行后续分析呢？这里继续为大家介绍一个GEO自带的在线分析工具：GEO2R。从工具的名称来看呢，既然是

Dataset），生成的新变量名字默认与文件名相同。同样对于拓展名为xls、xlsx的Excel二进制文件，也可以调用Excel进行预览，或者直接导入（Import

当前国际形势云诡波谲，俄乌冲突还在继续。当柴可夫斯基的《天鹅湖》被禁演，甚至连俄罗斯的狗都被制裁了的时候，我们必须认识到，正像100多年前俄国诺贝尔生理学或医学奖获得者巴甫洛夫所言，也许科学和艺术是没国界的，但是科学家和艺术家是有国界的！当然，生物信息学相关的研究者也不能例外。为了加强数据规范保护和促进人类遗传资源合法利用，《中华人民共和国人类遗传资源管理条例》自2019年7月1日起施行，紧接着，《中华人民共和国数据安全法》也于2021年9月1日起正式施行。对于生物信息学相关的研究者来说，需要认识到生物数据安全的重要性，特别是将人类遗传资源信息对外提供或者开放使用的时候。之前，大家发文章上传数据时可能主要考虑INSDC（International

information版块下6个数据库的统称。（1999年）（2008年）明白了KEGG各种子数据库之间的演化关系，下面就主要围绕最初的这三大数据库进行探究。1PATHWAYKEGG

填写数据基本信息（图8）数据释放时间和星号“*”为必填项，包括项目标题、项目说明、项目资金来源等，方便查询数据的人了解课题研究相关背景，项目说明可引用文章摘要。其它为选填项。图8

关于如何绘制这篇Science文章的高颜值组合热图（如下图），我写过两篇教程。其中一篇主要介绍了基于R语言的绘制方法，感兴趣可阅读《绘制一篇Science的组合图》一文；而另一篇《如何绘制漂亮的Science组合图？》则介绍了如何用Ai(Adobe

一直觉得自己的图表是用心做的，可是：师兄说，图片模糊没亮点，给人感觉太粗糙！师姐说，配色太丑太花哨，像是红绿花棉袄！老板说，都博士了，图表还没本科生做的好！审稿人说，格式不符合要求，建议换其他期刊试试。。。你是否也曾担心，自己辛苦做出的结果，仅仅没有以最佳的方式呈现而被人忽视？你是否也会纠结，究竟什么样的颜色搭配起来更和谐并能让人眼前一亮？你是否也在思考，如何提高自己的作图技能避免自己的努力被人轻易否定？我这里告诉大家一个好消息，基迪奥最新的《科研图表美化与插图绘制》工具书来了！全书内容共分为5章，分别是“图形科学基础知识”、“Adobe

在2020年1月份，写过一篇关于绘制Science文章一个高颜值高难度的组合图表（如下图）的作图教程，文中主要介绍了基于R语言的绘制方法，感兴趣可阅读《绘制一篇Science的组合图》一文。不过画法其实还有很多，我这里再介绍一种比较原始简单的画法。（Science,

targets板块中的外部数据库链接，比如TargetScanVert或miRDB，可预测相应Mature

在文献里经常会遇到非常好看的进化树，比如下图这样的，为了区分不同的Cluster，作者添加了渐变底色，并用图形替代了文字，直观明了且颜值极高。（Hu

receptor）结合位点并没有在人的序列中找到，符合预期结果。最后，这种结合位点分析方法灵敏度很高，在大多数情况下能检测到有功能的结合位点。但是，大多预测的位点虽在体外（in

最近，在基迪奥生信交流QQ群（生信交流3群群号：492506813）有这样一个问题引起了我的注意：在做GO、KEGG富集分析时，如何将上下调基因体现在分析结果中？其实，上图中的GO分类柱状图是由OmicShare的GO富集分析工具绘制的。OmicShare非常受欢迎，引用SCI文章近1200篇。下面就为大家详细介绍如何在富集分析时添加差异信息。本文的示例工具为OmicShare最新推出的GO、KEGG富集分析高级版，而其他富集分析工具（如DO富集分析，动态GO、KEGG富集分析）用法几乎完全相同。工具链接：https://www.omicshare.com/tools/GO富集分析1使用工具自带的背景基因文件数据准备如果你的数据源于常见的模式物种，比如人、水稻、拟南芥、小鼠、大鼠、斑马鱼、鸡、秀丽线虫和果蝇，那么可以直接选择工具内建的背景基因文件，你只需要准备一个感兴趣的目的基因ID列表即可，比如，常见的差异基因集。如果你想在富集分析结果中显示上下调基因，那么目的基因文件必须包含两列，第1列为基因id，第2列为log2FC值（差异倍数取对数）。注意，如果使用工具自带的背景文件，那么目的基因文件的基因ID类型（第1列）需要使用BioMart等工具转换为Ensembl

基迪奥生物常见的kegg富集分析结果现在我们再回顾一下一张经典的kegg通路图里面都包含哪些元素。如果我们在kegg富集分析结果或者kegg官网打开很常见的“PI3K-AKT

关于相关性，表示数据之间的相互依赖关系，但需要注意，数据具有相关性不一定意味着具有因果关系。相关性在组学数据挖掘中应用非常广，如样本的重复检验、基因的共表达分析、微生物群落的共发生网络分析等。相关性分析其实较为简单，用R语言自带的cor()函数非常容易计算得到两两变量间的相关系数。下面我们就来看下如何用R语言实现相关性计算并绘制带有显著性星标的相关性热图。如果想了解到相关性分析的原理，可以到文末拓展阅读部分复习下相应的知识点。1.相关系数计算以R自带的数据集mtcars为例，直接计算矩阵或数据框对应列之间的相关性系数。#查看范例数据的前6行；head(mtcars)#计算mtcars数据框的相关性系数;cor

在之前的《ESPript：美得令人心动的序列显示工具》、《一款颜值高易上手的序列美化工具》等文章中已经为大家介绍过几款比较好看的核酸蛋白同源序列展示工具，接着再为大家介绍一款序列展示小工具:

2015）今天为大家介绍厚缊大神开发的一个R包：ggcor，可以轻松绘制出这种图表。首先，从github安装ggcor包。建议大家使用原生R软件安装，我自己开始用Rstudio

在之前的Evolview系列文章（见拓展阅读部分）已为大家介绍过进化树与条形图、点图、热图以及蛋白结构域组合绘制，今天是Evolview系列文章的最后一篇，重点介绍进化树的装饰以及按簇进行分组美化。比如，学习绘制Evolview最美的一个展示案例（showcase

shape=rect,margin=2,colwidth=30,roundedcorner=3##“点”上是否显示数据、字体设置、隐藏数据范围设置；!showdataValue

在线版本的使用方法和本地版的软件基本一致，不过保存图片的方法比较特殊，这里介绍一下。我这里简单的画了一个注射器和小鼠（做了组合），然后点击Structure菜单下的Get

首先，是蛋白序列的准备。这里用到上文介绍的Uniport数据库，将“篮子”里的序列下载下来，保存为fasta格式。然后用文本编辑器（比如记事本、Notepad等）更改每条序列的名称，只保留Entry

这里的fasta文件最多可包含5000条序列，一般的个性化分析足以胜任。之后，等着收邮件就好，任务耗时的多少与序列的多少有关，一般几个小时就会有结果，它会估计任务排队的时间，如下图。

clustalW，如下图。为了方便进行尝试用多种方法进行建树，可以把对位后的序列文件保存一份，这里保存MEGA自身的meg格式（如下图），当然，你也可以保存为fasta格式。

上一篇《进化树+条形图：“组合图”的绘制》介绍了如何通过改变标尺来改变进化树分支长度和进化树的注释，相信大家对进化树与其他类型图表的组合有了一定的了解，局限于微信公众号的篇幅，其实还有好多东西没有讲到。这次以与热图的组合为例，在内容上做些补充。

经常有童鞋在生信交流群（群号：659344871）问如何绘制进化树和条形图、热图等的组合图，群里的大神们经常会推荐大家用iTol。但由于iTOL是国外的网站，于是大家经常会遇到iTOL无法登陆的情况。

那么如何绘制这样的结构式呢？当然国外非常有名的ChemDraw软件可以做到，但软件非常贵，今天给大家介绍一款完全免费的软件——InDraw，完全可以用于教学、科研的作图，还可以进行药物设计。

在一些高分文章中，我们经常会看到一些非常漂亮的进化树，而进化树的美化往往离不开一些进化树编辑可视化工具。比如下图这篇NC文章的进化树就是由MEGA构建，之后用一款叫FigTree的小工具美化的。

首先，绘制两个大的圆角矩形，最好打开视图菜单下的标尺，网格线，参考线，方便确定图形的位置。插入圆角矩形，填充色无，调整线框颜色，宽度（这里设为1.5磅），圆角的大小可拖动黄色圆点改变，如下。

研究发现高含油量等位基因的积累与总脂肪酸含量成正比；其次，分析了高低纬度之间的总脂肪酸含量，结果发现总脂肪酸含量在高纬度材料中积累更多，高含油量等位基因类型在高纬度材料中积累更多。

底端菜单栏进入“论坛”或“在线课堂”观看），期望能在大家学习生信的过程中提供便利~

所以在取样的时候我们应该尽可能避开群体遗传关系过于复杂的材料。但有时候，这些问题是无法避开的。例如，农作物在培育过程中必然存在各个复杂的杂交过程，要拿到想图3I那样的均一的群体几乎是不可能的。

有丰富的高通量测序数据挖掘经验，精通统计学、R语言、重测序等领域。主要负责公司基因组、转录组、表观组和蛋白组项目设计，以及新技术开发。尤其在多组学贯穿研究、数据精细解读方面有丰富的项目经验。

搜罗好玩的科研生活，定期还有掉节操的生物界八卦分享，让科研变得有意思咯~

上篇文章《一款颜值高易上手的序列美化工具》为大家介绍了Jalview这个小工具的安装和基本操作方法，但因篇幅有限，有些技巧并不能讲到，结合读者的留言，这里做个补充。Jalview的安装包（包括windows

最后一个彩蛋，基迪奥OmicShare即将于2018年1月12日，在广州举办组学数据解析之路沙龙，探讨组学数据解析以及发现数据分析结果异常怎么办等议题，欢迎广州的老师同学报名，仅限60人

之前，已经为大家介绍过两款序列显示工具：《如何用DNAMAN导出序列比对图？》和《ESPript：美得令人心动的序列显示工具》。两者都各有优缺点：前者出图易而不美，后者美而出图不易。今天，我给大家介绍一款出图美也相对易上手的软件——Jalview。01软件介绍Jalview是一款免费的多序列比对可视化与编辑分析软件，可用它来查看和编辑对位后的序列，也可进行相关的系统发育分析和主成分分析，甚至检查分子结构和注释。今天，我们主要关注如何用它来展示比对后的核酸或蛋白序列。http://www.jalview.org/02软件安装安装科研软件，有时候真的是很耗时间。你要花大量的时间寻找资源，有的需要Java开发环境，有的需要先装Python、Perl……还要配置环境变量。国外有很多网站，每个网站往往会罗列各种版本，找到对的版本也是很大的挑战。比如今天安装的

按照omcishare的传统，每年底在omicshare总部广州举办omicshare网友见面会，即生物信息相关主题沙龙。今年沙龙主题为“组学数据解析之路”。