什么是聚类热图（Clustered Heatmap）？
聚类热图是将热图（Heatmap）与聚类分析（Clustering）相结合的数据可视化方法。它通过颜色梯度表示数据矩阵中的数值大小，同时对行（基因）和列（样本）进行聚类排序，使具有相似表达模式的基因和样本聚集在一起。
在生物信息学中，聚类热图被广泛用于基因表达数据分析，是转录组学、蛋白质组学和代谢组学中最常用的可视化工具之一。它可以同时展示成千上万个基因在多个样本中的表达情况，帮助研究者发现共表达基因模块和样本分组模式。
📌 热图的核心要素
- 颜色梯度：通常用红-白-蓝或红-黑-绿表示表达量的高低
- 行聚类：对基因进行层次聚类，相似表达模式的基因聚在一起
- 列聚类：对样本进行聚类，反映样本间的相似性
- 树状图（Dendrogram）：可视化聚类过程和层次关系
- 标准化：Z-score标准化使不同基因的表达量可比
什么时候使用聚类热图？
🔬 典型应用场景
- 基因表达谱分析：展示差异表达基因在多个样本中的表达模式
- 样本质量评估：通过样本聚类判断生物学重复是否一致
- 共表达模块发现：识别功能相关的共表达基因簇
- 药物响应分析：观察不同药物处理后基因表达的整体变化
- 时间序列分析：展示基因表达随时间变化的动态模式
- 多组学整合：整合转录组、蛋白质组、代谢组数据
如何使用在线聚类热图工具
- 准备数据：准备基因表达矩阵（行为基因，列为样本，值为表达量）
- 上传数据：上传CSV/Excel格式的表达矩阵文件
- 选择标准化：选择按行（Z-score）或按列标准化方法
- 选择聚类方法：层次聚类、k-means聚类或不聚类
- AI辅助：用自然语言描述您想要的配色和聚类方式
- 生成图表：即时生成高质量聚类热图，支持SVG/PDF导出
💡 AI提示示例："帮我做一个红蓝配色热图，对行和列都做层次聚类，只显示前50个差异最大的基因，使用ward.D2聚类方法。"
常见问题
- 聚类热图需要做数据标准化吗？
- 强烈建议。由于不同基因的表达量范围差异很大，不做标准化会导致高表达基因主导颜色梯度。Z-score标准化是最常用的方法，使每个基因的均值为0、标准差为1。
- 层次聚类和k-means聚类有什么区别？
- 层次聚类构建树状层次关系，不需要预设聚类数，适合探索性分析。k-means需要预设聚类数K，计算效率高，适合大规模数据。两者可在BioInfo AI中灵活选择。
- 热图支持多少基因？
- 理论上支持数万个基因，但建议筛选差异基因后使用。通常展示50-5000个基因效果最佳，基因太多会导致热图过于拥挤。
- 有哪些配色方案可选？
- 支持红蓝、红绿、红白蓝、彩虹色等多种预设方案，也可完全自定义颜色梯度。支持渐变和离散配色。