Heatmap à bulles
Les mêmes gènes dans plusieurs comparaisons : une bulle par gène et comparaison, sa couleur le log2 fold change (rouge en hausse, bleu en baisse), sa taille le −log10 de la p ajustée, un cerne noir quand le changement passe les seuils. Les gènes qui changent le plus sont rangés par profil (classification hiérarchique).
Expression des gènes (omique) · Heatmap à bulles : plusieurs comparaisons · 5 crédits
Lancer cette figure (nouvel onglet)1.Définition
La figure
Les mêmes gènes dans plusieurs comparaisons : une bulle par gène et comparaison, sa couleur le log2 fold change (rouge en hausse, bleu en baisse), sa taille le −log10 de la p ajustée, un cerne noir quand le changement passe les seuils. Les gènes qui changent le plus sont rangés par profil (classification hiérarchique).
L’analyse statistique : Heatmap à bulles : plusieurs comparaisons
Une heatmap à bulles gènes × comparaisons (par exemple chaque jour contre son témoin) : la couleur dit le log2FC, l’aire la significativité, un anneau noir les changements retenus.
2.Lancer l’analyse
Les étapes de « Nouvelle analyse », dans l’ordre : ce que chacune demande, et pourquoi.
Étape 1 : Choisir la figure
Ouvrez « Nouvelle analyse », famille « Omique » du ruban, puis cette figure.
Pourquoi : Chaque figure a ses propres options : la choisir d’abord fixe celles qui la font et masque celles des autres figures.
Étape 2 : Importer les données
Un fichier CSV, TXT ou Excel (.xlsx, .xls) de 50 Mo et 200 000 lignes au plus, ou « Utiliser le jeu d’exemple » : sur lui, la figure est gratuite.
Pourquoi : Le fichier est lu dans votre navigateur : seules les colonnes que vous choisirez partiront au calcul, et elles sont effacées du serveur au bout de 24 h.
Étape 3 : Vérifier le type des colonnes
Chaque colonne est reconnue numérique, catégorielle ou texte ; un clic sur son type le change.
Pourquoi : Le rôle qu’une colonne peut prendre dépend de son type : un facteur codé 1, 2, 3 doit passer en catégorielle pour être lu comme des groupes.
Étape 4 : Attribuer les rôles
Dites ce que représente chaque colonne, et ce que la figure vous demande :
- Un tableau long, une ligne par gène et par comparaison (2 à 12) : le gène, la comparaison, son log2 fold change et sa p-value
- Ou un tableau large (une colonne de log2FC et une de p-value par comparaison), ou vos mesures avec une colonne de groupe dont un niveau sert de référence
Pourquoi : Les rôles disent au moteur ce qui est mesuré, ce qui l’explique et ce qui groupe les observations : la même table répond à des questions différentes selon eux.
Étape 5 : Régler les options
Les options qui font cette figure sont déjà fixées. Restent :
- Tableau long, tableau large ou mesures : Les résultats déjà calculés (DESeq2) ou les mesures, que le moteur teste contre la référence.
- Nombre de gènes montrés (60 au plus) : Ceux qui changent dans au moins une comparaison, par meilleure p ajustée.
Pourquoi : Les valeurs par défaut sont les conventions des revues ; ne les changez que pour une raison que vous sauriez écrire dans votre section Méthodes.
Étape 6 : Lancer le calcul
Gratuit et complet sur le jeu d’exemple. Sur vos données : 5 crédits débités au lancement ; sans assez de crédits, un aperçu flouté, à débloquer pour 5 crédits.
Pourquoi : Le calcul est fait par R sur nos serveurs, et vous suivez ses étapes. S’il échoue, les crédits sont rendus.
Étape 7 : Lire les résultats
Les tableaux, l’interprétation en français ou en anglais et le paragraphe « Méthodes » prêt pour votre manuscrit.
Pourquoi : Chaque chiffre vient de R, et chaque phrase est un modèle rempli avec eux, jamais un texte inventé : vérifiez-les avec les tableaux.
Étape 8 : Télécharger la figure
PNG 300 DPI, PDF, EPS ou SVG, à 89 ou 183 mm ; les textes se modifient dans l’éditeur de figure.
Pourquoi : 89 mm est la largeur d’une colonne de revue, 183 mm celle d’une page : la figure est mise en page pour chacune, rien ne s’y chevauche.
3.Pourquoi et quand l’utiliser
Quand l’utiliser
Pour une cinétique (J1, J3, J7… chacun contre son témoin), plusieurs traitements contre un même témoin ou plusieurs tissus : voir d’un coup quels gènes réagissent tôt, tard, seulement au pic, ou en sens opposés.
Exemple de question : Quels gènes du riz réagissent au sel, et changent-ils tôt, tard ou seulement au pic du stress ?
Ce que les résultats montrent
- Quels gènes changent dans quelles comparaisons, et dans quel sens.
- Les profils communs (gènes rangés par classification).
4.Méthode et packages R
Ce que le moteur R exécute pour cette figure : les packages, les fonctions principales, les étapes du calcul et les formules.
Packages R
- stats
- ggplot2
log2FC × −log10 p ajustée, gènes × comparaisons · hclust(dist(log2FC))
Fonctions principales
| Fonction | Package | Rôle |
|---|---|---|
| p.adjust, hclust | stats | ajustement et ordre |
| geom_point, scale_size_area | ggplot2 | les bulles |
Ce que fait le script, dans l’ordre
- Lit ou calcule log2FC et p de chaque gène dans chaque comparaison, ajuste par BH.
- Retient les gènes qui changent, les range par hclust des log2FC.
- Dessine les bulles (scale_size_area), dégradé divergent centré sur 0.
Formules principales
log2 fold change
log2FC = log2(moyenne du groupe cible / moyenne de la référence)
+1 : deux fois plus ; −1 : deux fois moins ; 0 : pas de changement. Le seuil |log2FC| ≥ log2(fc) dit ce qui change assez.
Benjamini-Hochberg (FDR)
q₍ᵢ₎ = min(1, min_{j≥i} m·p₍ⱼ₎ / j)
Sur m tests triés par p : parmi les éléments retenus à q < α, la part attendue de faux positifs reste sous α.
À citer
- Benjamini, Y. & Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 57(1), 289-300. doi:10.1111/j.2517-6161.1995.tb02031.x (nouvel onglet)
- Welch, B. L. (1947). The generalization of « Student’s » problem when several different population variances are involved. Biometrika, 34(1-2), 28-35. doi:10.1093/biomet/34.1-2.28 (nouvel onglet)
- Wickham, H. (2016). ggplot2: elegant graphics for data analysis. Springer (Use R!), 2ᵉ éd.. doi:10.1007/978-3-319-24277-4 (nouvel onglet)
5.Données d’entrée
Une ligne par gène et par comparaison (gène, comparaison, log2FC, p), ou une colonne de log2FC et de p par comparaison.
Ce que la figure demande
- Un tableau long, une ligne par gène et par comparaison (2 à 12) : le gène, la comparaison, son log2 fold change et sa p-value
- Ou un tableau large (une colonne de log2FC et une de p-value par comparaison), ou vos mesures avec une colonne de groupe dont un niveau sert de référence
Format : CSV, TXT ou Excel, une ligne d’en-tête avec le nom des colonnes. La virgule ou le point décimal, le séparateur et l’encodage sont reconnus seuls ; une case vide est une valeur manquante.
Le jeu d’exemple : Riz sous stress salin, cinq jours
Rôles : Les résultats DESeq2 de 300 gènes (Gene), chaque Jour (J1 à J21) contre son témoin : log2FoldChange et padj.
6.Prix
5crédits
par lancement sur vos données. Chaque figure coûte 5 crédits, quelle qu’elle soit : la figure, ses tableaux, son interprétation et ses téléchargements sont compris.
| Pack | Prix du pack | Cette figure |
|---|---|---|
| Starter (50 crédits) | 500 FCFA | 50 FCFA |
| Standard (250 crédits) | 2 000 FCFA | 40 FCFA |
| Pro (700 crédits) | 5 000 FCFA | 36 FCFA |
- Gratuite sur son jeu d’exemple (expression_sel_cinetique.csv), résultats complets : pour la découvrir avant d’importer vos données.
- Sur vos données sans assez de crédits, elle se lance quand même en aperçu flouté, débloqué ensuite pour 5 crédits sans relancer le calcul.
- Si le calcul échoue, les crédits sont rendus.
- Paiement par mobile money ; voir les packs.
Lancer « Heatmap à bulles » sur vos données
Ou ouvrez-la gratuitement avec son jeu d’exemple pour voir chaque étape et des résultats complets avant d’importer votre fichier.