Arbre annoté : heatmap, ▲▼ et prévalence
Un arbre phylogénétique (ou une classification) et, alignés sur ses feuilles, la catégorie de chaque élément en tuiles, la heatmap des moyennes par groupe centrées-réduites, les hausses ▲ et baisses ▼ contre le groupe de référence et la prévalence dans chaque groupe, comme l’article (Nat Commun, 2025).
Expression des gènes (omique) · Arbre annoté : abondance, différences et prévalence · 5 crédits
Lancer cette figure (nouvel onglet)1.Définition
La figure
Un arbre phylogénétique (ou une classification) et, alignés sur ses feuilles, la catégorie de chaque élément en tuiles, la heatmap des moyennes par groupe centrées-réduites, les hausses ▲ et baisses ▼ contre le groupe de référence et la prévalence dans chaque groupe, comme l’article (Nat Commun, 2025).
L’analyse statistique : Arbre annoté : abondance, différences et prévalence
Un arbre (ou une classification) des éléments (gènes, enzymes) aligné sur leurs catégories, une heatmap des moyennes par groupe, les ▲▼ des différences significatives et la prévalence : la figure 3a de Chen et al. 2025.
2.Lancer l’analyse
Les étapes de « Nouvelle analyse », dans l’ordre : ce que chacune demande, et pourquoi.
Étape 1 : Choisir la figure
Ouvrez « Nouvelle analyse », famille « Omique » du ruban, puis cette figure.
Pourquoi : Chaque figure a ses propres options : la choisir d’abord fixe celles qui la font et masque celles des autres figures.
Étape 2 : Importer les données
Un fichier CSV, TXT ou Excel (.xlsx, .xls) de 50 Mo et 200 000 lignes au plus, ou « Utiliser le jeu d’exemple » : sur lui, la figure est gratuite.
Pourquoi : Le fichier est lu dans votre navigateur : seules les colonnes que vous choisirez partiront au calcul, et elles sont effacées du serveur au bout de 24 h.
Étape 3 : Ajouter les fichiers complémentaires
Cette figure lit, en plus du tableau principal :
- Groupes des échantillons : Une ligne par échantillon : son nom, écrit comme en tête des colonnes du fichier principal, et son groupe (traitement, stade, site…).
- Annotation des lignes : Une ligne par élément du fichier principal (gène, enzyme, espèce…) : son identifiant et sa catégorie.
- Arbre phylogénétique (Newick) : Un arbre au format Newick (.nwk, .tre, .newick ou .txt) dont les feuilles portent les identifiants du fichier principal.
Pourquoi : Les identifiants doivent s’écrire exactement comme dans le fichier principal : c’est par eux que les fichiers se rejoignent.
Étape 4 : Vérifier le type des colonnes
Chaque colonne est reconnue numérique, catégorielle ou texte ; un clic sur son type le change.
Pourquoi : Le rôle qu’une colonne peut prendre dépend de son type : un facteur codé 1, 2, 3 doit passer en catégorielle pour être lu comme des groupes.
Étape 5 : Attribuer les rôles
Dites ce que représente chaque colonne, et ce que la figure vous demande :
- Une ligne par élément : son identifiant et une colonne d’abondance par échantillon
- Un fichier « Groupes des échantillons » : le nom de chaque échantillon et son groupe
- Facultatif : un arbre Newick dont les feuilles portent les identifiants, et la catégorie de chaque élément
Pourquoi : Les rôles disent au moteur ce qui est mesuré, ce qui l’explique et ce qui groupe les observations : la même table répond à des questions différentes selon eux.
Étape 6 : Régler les options
Les options qui font cette figure sont déjà fixées. Restent :
- Groupe de référence : Chaque groupe se compare à lui (la forêt contre les autres usages des sols, par exemple).
- Seuils : q (ou p), fold change, prévalence : Un ▲ demande les trois à la fois : significatif, assez grand et présent dans assez d’échantillons.
Pourquoi : Les valeurs par défaut sont les conventions des revues ; ne les changez que pour une raison que vous sauriez écrire dans votre section Méthodes.
Étape 7 : Lancer le calcul
Gratuit et complet sur le jeu d’exemple. Sur vos données : 5 crédits débités au lancement ; sans assez de crédits, un aperçu flouté, à débloquer pour 5 crédits.
Pourquoi : Le calcul est fait par R sur nos serveurs, et vous suivez ses étapes. S’il échoue, les crédits sont rendus.
Étape 8 : Lire les résultats
Les tableaux, l’interprétation en français ou en anglais et le paragraphe « Méthodes » prêt pour votre manuscrit.
Pourquoi : Chaque chiffre vient de R, et chaque phrase est un modèle rempli avec eux, jamais un texte inventé : vérifiez-les avec les tableaux.
Étape 9 : Télécharger la figure
PNG 300 DPI, PDF, EPS ou SVG, à 89 ou 183 mm ; les textes se modifient dans l’éditeur de figure.
Pourquoi : 89 mm est la largeur d’une colonne de revue, 183 mm celle d’une page : la figure est mise en page pour chacune, rien ne s’y chevauche.
3.Pourquoi et quand l’utiliser
Quand l’utiliser
Pour montrer comment des gènes, des enzymes ou des espèces apparentés varient entre des groupes (stades d’une maladie, usages du sol, traitements) : lesquels augmentent, lesquels baissent, et où on les trouve.
Exemple de question : Quels variants du gène de la fixation de l’azote (nifH) gagnent ou perdent du terrain quand la forêt laisse place aux cultures ?
Ce que les résultats montrent
- Quels éléments augmentent (▲) ou diminuent (▼) dans chaque groupe par rapport à la référence.
- Leur abondance relative (score z) et leur prévalence dans chaque groupe.
4.Méthode et packages R
Ce que le moteur R exécute pour cette figure : les packages, les fonctions principales, les étapes du calcul et les formules.
Packages R
- ape
- ggtree
- stats
- patchwork
wilcox.test(x[groupe], x[référence]) · p.adjust("BH") · ggtree(arbre) | tuiles | heatmap | ▲▼ | prévalence
Fonctions principales
| Fonction | Package | Rôle |
|---|---|---|
| read.tree, drop.tip, as.phylo | ape | l’arbre |
| ggtree, get_taxa_name | ggtree | dessin de l’arbre |
| wilcox.test, p.adjust | stats | tests |
| wrap_plots | patchwork | panneaux alignés |
Ce que fait le script, dans l’ordre
- Lit la table, les groupes, et en option l’arbre Newick (ape) et l’annotation.
- Pour chaque élément et chaque groupe contre la référence : Wilcoxon, log2FC, q de BH.
- Calcule moyennes en z-score et prévalence par groupe.
- Aligne arbre, tuiles, heatmap, ▲▼ et prévalence (ggtree, patchwork).
Formules principales
log2 fold change
log2FC = log2(moyenne du groupe cible / moyenne de la référence)
+1 : deux fois plus ; −1 : deux fois moins ; 0 : pas de changement. Le seuil |log2FC| ≥ log2(fc) dit ce qui change assez.
Wilcoxon-Mann-Whitney
W = Σ rangs du groupe − n(n + 1)/2
Compare les abondances d’un groupe et de la référence sans supposer de loi normale.
Benjamini-Hochberg (FDR)
q₍ᵢ₎ = min(1, min_{j≥i} m·p₍ⱼ₎ / j)
Sur m tests triés par p : parmi les éléments retenus à q < α, la part attendue de faux positifs reste sous α.
À citer
- Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80-83. doi:10.2307/3001968 (nouvel onglet)
- Benjamini, Y. & Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 57(1), 289-300. doi:10.1111/j.2517-6161.1995.tb02031.x (nouvel onglet)
- Paradis, E. & Schliep, K. (2019). ape 5.0: an environment for modern phylogenetics and evolutionary analyses in R. Bioinformatics, 35(3), 526-528. doi:10.1093/bioinformatics/bty633 (nouvel onglet)
- Yu, G., Smith, D. K., Zhu, H., Guan, Y. & Lam, T. T.-Y. (2017). ggtree: an R package for visualization and annotation of phylogenetic trees with their covariates and other associated data. Methods in Ecology and Evolution, 8(1), 28-36. doi:10.1111/2041-210X.12628 (nouvel onglet)
5.Données d’entrée
Une ligne par élément : son identifiant et une colonne d’abondance par échantillon ; le fichier des groupes, et en option l’arbre et l’annotation.
Ce que la figure demande
- Une ligne par élément : son identifiant et une colonne d’abondance par échantillon
- Un fichier « Groupes des échantillons » : le nom de chaque échantillon et son groupe
- Facultatif : un arbre Newick dont les feuilles portent les identifiants, et la catégorie de chaque élément
Format : CSV, TXT ou Excel, une ligne d’en-tête avec le nom des colonnes. La virgule ou le point décimal, le séparateur et l’encodage sont reconnus seuls ; une case vide est une valeur manquante.
Le jeu d’exemple : Gènes nifH des sols
Rôles : 52 variants nifH (TPM) dans 150 sols ; l’usage de chaque sol (Forêt en référence), le cluster de chaque variant et un arbre Newick de 32 d’entre eux, chacun dans son fichier.
6.Prix
5crédits
par lancement sur vos données. Chaque figure coûte 5 crédits, quelle qu’elle soit : la figure, ses tableaux, son interprétation et ses téléchargements sont compris.
| Pack | Prix du pack | Cette figure |
|---|---|---|
| Starter (50 crédits) | 500 FCFA | 50 FCFA |
| Standard (250 crédits) | 2 000 FCFA | 40 FCFA |
| Pro (700 crédits) | 5 000 FCFA | 36 FCFA |
- Gratuite sur son jeu d’exemple (nifh_sols_abondance.csv), résultats complets : pour la découvrir avant d’importer vos données.
- Sur vos données sans assez de crédits, elle se lance quand même en aperçu flouté, débloqué ensuite pour 5 crédits sans relancer le calcul.
- Si le calcul échoue, les crédits sont rendus.
- Paiement par mobile money ; voir les packs.
Lancer « Arbre annoté : heatmap, ▲▼ et prévalence » sur vos données
Ou ouvrez-la gratuitement avec son jeu d’exemple pour voir chaque étape et des résultats complets avant d’importer votre fichier.