一张颜色鲜明的热图很容易让人产生“这两组样本完全不同”的印象。真正需要追问的是：图中使用什么数值、挑选哪些基因、怎样缩放，以及分组是否在绘图之前就已经确定。
颜色来自数值映射
颜色范围决定相同差值看起来有多强。
应说明使用原始值、标准化值还是按行缩放值。
保留色标、单位和缺失值表示。
高对比颜色不能替代效应量。
筛选规则改变图中故事
只画显著基因会让分组差异看起来更整齐。
在图注中说明筛选阈值和基因数量。
最好同时查看未筛选质量图与统计结果。
展示图不能反过来证明筛选规则正确。
聚类是方法选择的结果
距离、连接方法和数据变换都会影响树状结构。
保存绘图脚本与参数，关键结论可用替代方法复核。
样本靠近表示在当前特征和方法下相似。
它不自动证明临床亚型或因果关系。
图形必须回到研究设计
批次、组织来源和样本质量可能形成明显颜色块。
结合样本表、PCA 和质量指标理解聚类。
重要模式应在独立数据或实验中验证。
热图适合提出问题，不是医学诊断工具。
本文参考资料
- Bioconductor
- GSEA 用户指南
- NCBI Gene Expression Omnibus
资料名称仅用于说明本文查阅范围，页面暂不提供外部链接。