Heat maps (OMICS): tutorial en Excel

Este tutorial le mostrará cómo graficar e interpretar un mapa de calor (heat map) sobre datos OMICS en Excel usando el software estadístico XLSTAT.

Datos para ejecutar el análisis de mapa de calor en XLSTAT

Para este tutorial se utiliza una tabla de datos correspondiente a 1847 proteínas cuantificadas en 19 muestras extraídas de una hoja de maíz y de acuerdo a 4 métodos de extracción basado en la proteómica “label-free shotgun” (Langella et al. 2013). Estamos muy agradecidos a la plataforma PAPPSO (Gif-sur-Yvette, Francia), que nos proporcionó los datos y nos permitió usarlos para el tutorial. Las proteinas están almacenadas en filas y las muestras en columnas. Puede descargar aquí una hoja Excel con los datos y resultados.

Objetivo de este tutorial

El objetivo de este tutorial es utilizar la herramienta de análisis de datos exploratorios mapa de calor (heat map) para analizar agrupaciones de rasgos y de muestras simultáneamente de forma sintética. Asimismo, vamos a ser capaces de comprobar si los clusters de rasgos similares (proteínas en nuestro caso) corresponden a clusters de muestras similares. Si prefiere ver la versión de este tutorial en un video de 3 minutos, simplemente haga clic aquí.

Mapa de calor en XLSTAT: configuración del análisis

Para construir un mapa de calor en XLSTAT, haga clic en OMICs / Heat maps (Mapas de calor). En la pestaña General, seleccione la matriz de datos en el campo de la tabla Rasgos / Individuos. Aquí, los individuos están representados por nuestras muestras. No necesita cambiar la opción Rasgos en filas, dado que las proteinas están almacenadas en las filas de la base de datos.

En la pestaña Opciones, activamos la opción Filtrado no específico, seleccionamos Rango intercuartílico< y escribimos un umbral de, por ejemplo, 0.25. Esto eliminará todas las proteinas con un rango intercuartil inferior a 0.25 (i.e., con variabilidad baja). Asimismo contribuirá a mejorar la legibilidad del mapa de calor.

En la pestaña Datos perdidos, configuramos la estimación de datos perdidos usando el algoritmo Vecino más próximo.

En la pestaña Gráficos, elija escala de color del mapa de calor y juegue con las opciones anchura y altura para optimizar el tamaño del gráfico.

Mapa de calor (Heat map) en XLSTAT: análisis de los resultados

En primer lugar, vemos que el filtrado no específico ha eliminado 1597 proteinas antes de llevar a cabo los cálculos para construir el mapa de calor.

Gráfico de mapa de calor: las proteínas se agrupan en filas y las muestras en columnas.

Si se analizan individualmente los dendogramas la muestra y la proteína, vemos claramente que:

-      Las proteínas se dividen en dos grupos (dendrograma izquierdo) que corresponden aproximadamente a las proteínas específicas de la membrana y otras proteínas.

-      Las muestras se dividen en tres grupos (dendrograma superior). El cluster grande de la izquierda corresponde a las muestras cuantificadas con los métodos de extracción URZB y URNB. El cluster medio incluye muestras cuantificadas con el método TCA1 y el último corresponde al método TEAL.

El mapa representa los valores del conjunto de datos ordenados de nuevo de acuerdo con los dendrogramas.

Vamos a centrarnos en los patrones rectángulo / cuadrado dentro del mapa.

-      Los rectángulos grandes verdes y rojos de la izquierda muestran que para las muestras extraídas mediante los métodos URZB y URNB, tenemos una expresión relativamente alta del cluster superior de proteínas en comparación con el cluster inferior.

-      Por otra parte, las muestras de TEAL (parte derecha del mapa) muestran un patrón inverso de las cantidades de proteínas (relativamente baja para el cluster de proteínas superior y relativamente alta para el cluster inferior).

-      Finalmente, las muestras TCA1 (cluster medio) parecen exhibir cantidades intermedias en la mayoría de las proteínas (sin embargo, las proteínas de la parte inferior del mapa son relativamente más abundantes que las proteínas de la parte superior).

Referencia

Langella O, Valot B, Jacob D, Balliau T, Flores R, Hoogland C, Joets J, Zivy M(2013) Management and dissemination of MS proteomic data with PROTICdb: example of a quantitative comparison between methods of protein extraction, Proteomics. 2013 May;13(9):1457-66.

Â