介绍 四分图（Quad plot）是一种数据可视化技术，通常用于展示四个变量之间的关系。它由四个子图组成，每个子图都显示两个变量之间的关系。四分图的布局通常是2x2的网格，每个格子代表一个变量对的散点图。 在四分图中，通常： 第一个子图显示变量A和B的关系。第二个子图显示变量A和C的关系。第三个子图显示变量A和D的关系。第四个子图显示变量B和C的关系。 此外，第四个子图也可以显示变量

介绍 在单细胞分析领域，为了探究不同分组间同一细胞类型的基因表达差异，研究者们常采用四分图（Quad Plot）作为分析工具。该图形的横轴代表比较组1，而纵轴代表比较组2。通过这种布局，四分图能够有效地展示两组间共有的差异表达基因，从而为深入理解细胞类型在不同条件下的分子特性提供直观的视角。这种可视化方法不仅揭示了组间基因表达的异同，还有助于识别可能在生物学过程或疾病发生中起关键作用的基因。

引入 GEO DataSets上，某些Series是由多个series组成的，比如GSE6834,由六个Series组成： This SuperSeries is composed of the following SubSeries: Less… Less… GSE6771 Temporal Cortex Control (mesial temporal lobe epilepsy con

两列样本数据的差异基因筛选方法： FoldChange法+FDR控制 其中，FDR值的计算方法如下： 1）对每个基因进行p-value的计算 假设观测到基因A对应的reads数为x，已知在一个大文库中，每个基因的表达量只占所有基因表达量的一小部分，在这种情况下，p(x)的分布服从泊松分布。已知样本一中唯一比对到基因组的总reads数为N1，样本二中唯一比对到基因组的总reads数为N2，样本一中

前言 大多我们在做完差异表达之后都会看下我们的差异基因筛选的是否能将分组结果展现出来，都会选择热图，主要是热图技能聚类，又可以展现表达量的大小，非常直观，所以这期我们就说下热图的绘制方法。 实例解析 1. 数据读取 数据的读取我们仍然使用的是 TCGA-COAD 的数据集，表达数据的读取以及临床信息分组的获得我们上期已经提过，我们使用的是edgeR 软件包计算出来的差异表达结果，合并了

上节，我们使用结核病基因数据，做了一个数据预处理的实操案例。例子中结核类型，包括结核，潜隐进展，对照和潜隐，四个类别。本节延续上个数据，进行了差异分析。 差异分析 计算差异指标step12 加载数据 load("dataset_TB_LTBI_step8.Rdata") 构建差异比较矩阵 #样本列表group_list=group_data_TB_LTBI$group_more