热图如何看？

初读文献时，大家一定经常见到这种热图（图1），花花绿绿，很是高大上！但其实它是数据表现的入门必备技术，相对也比较简单，那它到底有什么用呢？大家先来看这张表（图2）：

请在三秒钟内指出表中哪一块的数字较大？

黑人问号脸？三秒钟我一行数据都看不完！

但是如果看下面这张图（图3），告诉你红色代表数字较大，原谅色代表数字较小：

大家是不是一眼就可以找到较大的数字在哪里！

没错，这就是热图！热图（Heat map）是一个以颜色变化来显示数据的矩阵。

它的用途主要包括两大方面：
1）直观展示重点研究对象的表达量及数据差异变化情况；
2）呈现多样本或多基因表达量的聚类关系。

其实天下各图本一家，和函数图像一样，只要搞懂纵坐标，横坐标代表什么，那么这幅图要表达的意思也就呼之欲出了。#生物信息学##生信分析##医学生Medic[超话]#

原文节选自：医学僧的科研日记（ID：zzudoctor）

解读文献里的那些图——误差棒

文章中的柱状图、折线图中我们经常会看到一条条的横线竖线，这其实就是误差棒（error bar）。（图1）

简单来说，误差棒就是一组数据误差的可视化表达方法，可以一眼看出这组数据的离散程，所以在处理实验数据时我们经常需要添加误差棒来展示实验的误差范围。

提到误差我们就要了解误差有哪些表示方法，即怎样表达误差的大小。

标准差（Standard Deviation ,SD）和标准误(Standard Error ,SE)这两个通常是用来描述抽样误差大小的指标。
SD实际上反映的是数据点的波动情况，而SE则是均值的波动情况。（图2）

还有一个间接表达误差的指标是置信区间（Confidence Interval，CI），我们最常用的95%CI=（均值-1.96SE,均值+1.96SE）

那么，误差棒对应的到底是标准差（SD）、标准误（SE）还是置信区间（CI）呢？其实……都可以，作者都会在论文中明确写明用的是哪一种。

很多的文献图表中，误差棒的长短通常等同于1.96个SE，这样做可以传递的信息更多，有两方面的好处。首先这个方法能显示95%的CI。其次能让我们用眼睛检验差别的显著性，如果下面bar的顶部和上面bar的底部没有重叠，两个实验组的差异必定是显著的（5%的显著水平）。因此我们会说，这2个组间存在显著差别。如果我们做t-test，结果会验证这个发现。这种方法对超过2个组的情况就不那么精确了。因为需要多次比较（比如，组1和组2，组2和组3，组1和组3），但是至少能提示粗略的差别。

读图过程中，如果误差棒明显过长，甚至超过柱状图的长度，那么这个实验数据就存在明显的变异性，可重复性较差（如图3：WE JUST CAN’T TRUST YOU）。反之，误差棒长短都比较均一，则误差较小，实验数据较为稳定，离散性小，可信度高。#生信分析##生物信息学##生物信息学[超话]#

原文参考自：医学僧的科研日记（ID：zzudoctor）

免疫酶标方法

该方法是60年代发展起来的技术，基本原理是以酶标记的抗体与组织或细胞作用，然后加入酶的底物，生成有色的不溶物或具有一定电子密度的颗粒，通过电镜或光镜，对细胞表面和细胞内的各种抗原成分进行定位研究。该方法是定位准确、对比度好、染色标本可长期保存。目前，已衍生出多种标记方法，在病理诊断中广为使用的有：过氧化物酶-抗过氧化物酶法（PAP法）、卵白素-生物素-过氧化物酶复合物法（ABC法）和链酶菌抗生物素蛋白-过氧化物酶法（SP法）。#生信分析##生物信息学##sci##医学生Medic[超话]#

原文节选自公众号：医学僧的科研日记（ID：zzudoctor）