通向 CNS 期刊的视觉之旅 | 生物信息学作图系列教程（一）

目录

GOplot：画出差异表达基因富集结果

Seurat：单细胞 RNA 测序（scRNA-seq）数据分析和可视化

ggseqlogo：定制你的序列分析图

transPlotR：优雅地绘制基因转录本结构

pyGenomeTracks：可视化多维基因组数据

---

拿到数据，不知道如何快速地分析？
面对结果，不知道用什么图更好地展示心中的想法？
面对 CNS 期刊优雅的图，心中满是羡慕却不知从何下手？
搜索了很多教程，却在安装时就被繁杂的安装步骤以及满屏的版本冲突劝退？

众所周知，精美的图能让你的高质量期刊论文更上一层楼。为此，我们整理了一系列精美的作图教程，并配套了每一个教程所对应的环境，让你不但能轻松分析数据，还能一键出图！

---

GOplot：画出差异表达基因富集结果

Notebook 链接：GOplot：把你的差异表达基因富集分析结果画出来！

想象一下，当面对海量基因表达数据时，我们往往需要一个简洁而又生动的方式来讲述数据背后的故事，而基因本体（Gene Ontology）分类往往是一种很好的方式。GOplot 提供了一系列绘图函数，以一组来自脑和心脏内皮细胞的转录组数据(Gene Expression Omnibus，存取号：GSE47067)为例，带你从总体概览逐步深入到特定基因和术语的子集，经过统计分析快速找到数据中的模式和关联性。