Auswertungen erklärt

Diese Hilfe beschreibt, was jede Auswertung zeigt, wie MES.Plot die Werte berechnet und wie man das Ergebnis liest.

Inhalt

1. Grundlagen: Eingabedaten und abgeleitete Werte
2. Auswahl, Reihenfolge und Signifikanzschwelle
3. Gemeinsame Kodierung: Farbe und Größe
4. Auswertungen Dot Plot · Enrichment Map · Gen-Pathway-Netzwerk · Term × Gen-Heatmap · UpSet-Plot · Chord-Diagramm · Enrichment-Volcano · Treemap · Venn-Diagramm (Vergleich)
5. Datenprüfung (Prüfbericht)
6. Reproduzierbarkeit
7. Geplante Auswertungen (noch nicht verfügbar)

1. Grundlagen: Eingabedaten und abgeleitete Werte

Was MES.Plot einliest

MES.Plot liest den Tabellenexport von Enrichr (Tab-getrennte Textdatei, z. B. Reactome_Pathways_2024_table.txt). MES.Plot rechnet die Anreicherung nicht selbst – die Statistik stammt von Enrichr. MES.Plot stellt sie dar und prüft sie auf Widersprüche.

Zeilen, die nicht gelesen werden können (kein Termname, Overlap nicht im Format k/n, P-Wert keine Zahl), werden übersprungen und im Prüfbericht mit Zeilennummer gemeldet. Zahlen werden immer mit Dezimalpunkt gelesen; ein Dezimalkomma (typisch nach dem Speichern in Excel) gilt als Fehler.

Abgeleitete Werte

Achtung, Begriff „Gene ratio“: MES.Plot verwendet Overlap ÷ Pathway-Größe (Anteil des Pathways, der getroffen wurde). In clusterProfiler (R) heißt dagegen Overlap ÷ Größe der Eingabeliste „GeneRatio“. Beim Vergleich mit Abbildungen aus anderen Programmen und im Methodenteil bitte darauf achten.

Die Untergrenze 10⁻³⁰⁰ verhindert, dass ein adj. P von exakt 0 einen unendlichen Wert ergibt.

Wichtig: Genlisten enthalten nur die überlappenden Gene

Enrichr exportiert pro Term nur die Gene, die in der Eingabeliste und im Pathway liegen – nicht alle Gene des Pathways. Alle gen-basierten Auswertungen (Jaccard-Index, Schnittmengen, Netzwerke) beziehen sich daher auf die eigenen Gene im jeweiligen Pathway, nicht auf die vollständige Pathway-Definition.

2. Auswahl, Reihenfolge und Signifikanzschwelle

Welche Terme gezeigt werden. Jede Auswertung (außer Volcano und Venn, siehe dort) zeigt nur die angehakten Terme der Tabelle. Beim Laden einer Datei und mit Top N nach adj. P werden die N Terme mit dem kleinsten adj. P gewählt (Gleichstand: kleinerer roher P-Wert, dann Reihenfolge in der Datei; Standard N = 10). Häkchen lassen sich frei setzen.

In welcher Reihenfolge. Die Reihenfolge in der Grafik (z. B. von oben nach unten im Dot Plot) ist die Sortierung der Tabelle: nach adj. P, P, Gene ratio, Gene count, Combined score, Odds ratio, Name oder Dateireihenfolge, jeweils auf- oder absteigend. Bei Gleichstand entscheidet die Position in der Datei.

Signifikanzschwelle (Schwelle adj. P <, Standard 0,05). Ein Term gilt als signifikant, wenn adj. P < Schwelle. Die Schwelle wirkt auf:

• die farbige Markierung, den Zähler und den Filter in der Tabelle,
• die Option Signifikante Terme fett (Termnamen fett),
• die Schwellenlinie im Volcano,
• die Mengenbildung im Venn-Diagramm,
• die Zusammenfassung „Signifikante Terme“ im Prüfbericht.

Die Schwelle filtert nicht: Nicht-signifikante Terme werden gezeichnet, wenn sie angehakt sind. Die Farbe zeigt, wie signifikant sie sind.

3. Gemeinsame Kodierung: Farbe und Größe

Farbe = −log₁₀(adj. P)

• Höherer Wert = kleineres adj. P = stärker signifikant. −log₁₀ = 1,3 entspricht adj. P = 0,05; 2 entspricht 0,01; 3 entspricht 0,001.
• Die Farbskala reicht vom kleinsten bis zum größten Wert der gezeigten Terme (beim Volcano: aller gezeigten Punkte). Sie ist also relativ: Dieselbe Farbe bedeutet in zwei Abbildungen nicht denselben P-Wert – immer die Farblegende lesen. Haben alle Terme denselben Wert, wird die Skala um ±0,5 erweitert.
• Farbskalen: Viridis (lila = schwach → gelb = stark; farbenblind-tauglich, druckt auch in Graustufen lesbar, empfohlen) oder Grün–Gelb–Rot (grün = schwach → rot = stark; für Rot-Grün-Sehschwäche ungeeignet). Zwischen den Stützfarben wird linear interpoliert.

Größe = Gene count

• Punkt- und Knotengrößen sind flächenproportional: Die Kreisfläche wächst linear mit k zwischen dem kleinsten und größten k der gezeigten Terme (Radius ∝ √). Ein doppelt so großer Overlap ergibt also nicht den doppelten Durchmesser, sondern die (annähernd) doppelte Fläche.
• Auch die Größenskala ist relativ zu den gezeigten Termen.
• Die Größenlegende zeigt Minimum, Maximum und einen gerundeten Mittelwert (geometrisches Mittel).

Tooltips

Jede Datenmarke hat einen Tooltip (auch im SVG-Export) mit Term, Overlap, Gene ratio, P, adj. P, −log₁₀(adj. P) und der Zeilennummer in der Datei – damit lässt sich jeder Punkt auf die Originaldaten zurückführen.

4.1 Dot Plot

Frage: Welche Pathways sind angereichert, wie stark, und welcher Anteil des Pathways ist betroffen?

Aufbau

Lesen: Weit rechts = großer Teil des Pathways getroffen. Großer Punkt = viele Gene. Helle/gelbe Farbe (Viridis) = stark signifikant. Kleine Pathways erreichen leicht eine hohe Gene ratio mit wenigen Genen – deshalb Größe und Farbe immer mitlesen.

Optionen: Hilfslinien zu den Punkten, X-Achsentitel, Umbruch nach Zeichen, Signifikante Terme fett.

4.2 Enrichment Map

Frage: Welche Pathways hängen über gemeinsame Gene zusammen und bilden Themenblöcke?

Berechnung

1. Für jedes Paar ausgewählter Terme A, B wird der Jaccard-Index der Genlisten berechnet: J = |A ∩ B| / |A ∪ B| (0 = keine gemeinsamen Gene, 1 = identische Genlisten).
2. Eine Kante wird gezeichnet, wenn J > 0 und J ≥ Kante ab Jaccard-Index (Standard 0,2).
3. Die Positionen berechnet ein kräftebasiertes Layout (Fruchterman–Reingold mit Zug zur Mitte): Alle Knoten stoßen sich ab, Kanten ziehen proportional zu J. Start auf einer festen Spirale, 500 Schritte (300 ab 80 Knoten), ohne Zufallszahlen – dieselbe Auswahl ergibt immer dasselbe Bild.
4. Die Positionen werden auf die Zeichenfläche gestreckt (Breite und Höhe unabhängig).

Lesen: Dicht verbundene Gruppen sind Pathways, die im Wesentlichen dieselben Gene treffen – oft ein gemeinsamer biologischer Prozess, der in der Bibliothek mehrfach vorkommt. Isolierte Knoten teilen (über der Schwelle) keine Gene. Die absolute Lage und die Achsen haben keine Bedeutung.

Optionen: Kante ab Jaccard-Index (höher = weniger, stärkere Kanten). Grenze: höchstens 300 Terme.

4.3 Gen-Pathway-Netzwerk (cnetplot)

Frage: Welche Gene treiben die Anreicherung, und welche Gene verbinden mehrere Pathways?

Berechnung

• Zweiteiliges Netzwerk: Pathway-Knoten und Gen-Knoten. Jede Kante = „Gen liegt im Overlap dieses Terms“.
• Gezeigt werden nur Gene, die in mindestens N der ausgewählten Terme vorkommen (Option Gene in mind. N Termen; 1 = alle Gene, 2 = nur Gene, die mehrere Terme verbinden; Standard in der Web-App: 2).
• Layout wie bei der Enrichment Map (kräftebasiert, deterministisch); Pathway-Knoten stoßen sich doppelt so stark ab, damit sie sich verteilen und die Gene dazwischen liegen.
• Darstellung einstellbar: Linienstärke (pt) der Verbindungen (Standard 0,5), Gen-Schrift in Prozent der Schriftgröße (Standard 80 %) und Gennamen fett.

Lesen: Gene zwischen mehreren Pathways sind gemeinsame Treiber (oft Schlüsselgene oder Hubs). Gene am Rand gehören nur zu einem Pathway. Mit N = 2 (Standard) bleiben nur die verbindenden Gene übrig; mit N = 1 sieht man alle Gene des Overlaps.

Grenze: höchstens 400 Knoten (Terme + Gene); sonst N erhöhen oder weniger Terme wählen.

4.4 Term × Gen-Heatmap

Frage: Welches Gen steckt in welchem Pathway – vollständig und ohne Überlappung von Linien?

Berechnung

• Zeilen = ausgewählte Terme (Tabellenreihenfolge), Spalten = Gene (gefiltert mit Gene in mind. N Termen, Standard 2 – für alle Gene auf 1 stellen).
• Eine Zelle ist gefüllt, wenn das Gen im Overlap des Terms liegt; sonst hellgrau („not in term“).
• Die Füllfarbe ist die Farbe des Terms (−log₁₀ adj. P) – die Zelle enthält keinen eigenen Messwert (keine Expressionsdaten).
• Spaltenreihenfolge: nach dem ersten Term, in dem das Gen vorkommt; dann Gene in vielen Termen vor Genen in wenigen; dann alphabetisch. Dadurch entstehen Blöcke, die sich von oben links nach unten rechts ziehen.

Lesen: Senkrechte Linien gefüllter Zellen = Gene in vielen Pathways. Zeilen mit ähnlichem Muster = Pathways mit ähnlichen Genen (vgl. Enrichment Map).

Grenze: Bei sehr vielen Genen werden Zellen und Schrift kleiner; unter etwa 2,5 pt pro Zelle bricht MES.Plot mit einem Hinweis ab (N erhöhen oder Abbildung verbreitern).

4.5 UpSet-Plot

Frage: Wie viele Gene teilen sich genau welche Kombination von Pathways?

Berechnung

• Jedes Gen wird genau einer Kombination zugeordnet: der Menge aller ausgewählten Terme, in deren Overlap es liegt (exklusive Schnittmengen). Ein Gen in A und B zählt also nur bei „A + B“, nicht zusätzlich bei „nur A“.
• Die Summe aller Schnittmengen-Balken = Zahl der verschiedenen Gene.
• Sortierung: größte Schnittmenge zuerst; bei Gleichstand weniger beteiligte Terme zuerst, dann nach dem ersten Term.
• Gezeigt werden höchstens Max. Schnittmengen (Standard 20); kleinere Kombinationen werden weggelassen.
• Der Filter Gene in mind. N Termen gilt hier nicht – sonst wären die Mengengrößen falsch.

Lesen: Ein großer Balken mit einem einzigen Punkt = viele Gene, die nur dieser Pathway enthält. Balken mit vielen Punkten = Kern-Gene, die mehrere Pathways gemeinsam haben. Im Tooltip stehen die Gene der Schnittmenge.

Grenze: höchstens 30 Terme. Besser als ein Venn-Diagramm ab etwa 4 Mengen.

4.6 Chord-Diagramm

Frage: Wie verteilen sich die Gene auf die Pathways – kompakt und auf einen Blick?

Berechnung

• Linke Kreishälfte: Terme (nummeriert, Legende rechts), rechte Hälfte: Gene (gefiltert mit Gene in mind. N Termen, Standard 2 – für alle Gene auf 1 stellen).
• Jedes Band verbindet einen Term mit einem seiner Gene – ein Band pro Paar „Gen liegt im Term“.
• Die Bogenlänge eines Terms ist proportional zur Zahl seiner (gezeigten) Gene, die Bogenlänge eines Gens zur Zahl der Terme, in denen es liegt. Beide Hälften haben dieselbe Summe.
• Bänder sind in der Farbe ihres Terms (−log₁₀ adj. P); die Reihenfolge der Bänder ist so gewählt, dass sie sich möglichst wenig kreuzen.
• Terme ohne gezeigte Gene erscheinen in der Legende grau und haben keinen Bogen.

Lesen: Breite Gen-Bögen mit vielen Bändern = Gene in vielen Pathways. Die Nummer am Bogen führt zur Legende.

4.7 Enrichment-Volcano

Frage: Wie verhalten sich Effektstärke und Signifikanz über alle Terme der Datei, und wo liegen die gewählten?

Berechnung

• Gezeichnet werden alle Terme der Datei mit gültiger Odds Ratio (> 0) und P-Wert (> 0) – nicht nur die angehakten.
• X = log₂(Odds Ratio): 0 = keine Anreicherung, 1 = doppelt so häufig wie erwartet.
• Y = −log₁₀(roher P-Wert).
• Farbe = −log₁₀(adj. P), Größe = Gene count.
• Senkrechte gestrichelte Linie bei Odds Ratio = 1 (log₂ = 0).
• Waagrechte gestrichelte Linie „adj. P < Schwelle“: liegt beim größten rohen P-Wert, der nach der Korrektur noch signifikant ist. Alles darüber ist signifikant. (So wird die Benjamini-Hochberg-Grenze auf der Achse des rohen P-Werts sichtbar.)
• Die angehakten Terme sind schwarz umrandet, liegen obenauf und werden – Option Ausgewählte Terme beschriften – rechts beschriftet, mit Linie zum Punkt.

Lesen: Oben rechts = starke und signifikante Anreicherung. Weit rechts, aber unten = große Odds Ratio, aber zu wenige Gene für Signifikanz (typisch für sehr kleine Pathways).

Voraussetzung: Spalte Odds Ratio. Terme ohne gültige Odds Ratio fehlen (siehe Prüfbericht).

4.8 Treemap (Reactome-Hierarchie)

Frage: Zu welchen großen biologischen Bereichen gehören die angereicherten Pathways?

Berechnung

1. Jeder ausgewählte Term wird über seinen Namen einem humanen Reactome-Pathway (R-HSA-…) zugeordnet. Verglichen wird ohne Groß-/Kleinschreibung, Sonderzeichen gelten als Leerzeichen (Enrichr entfernt z. B. den Schrägstrich in „PI3K/AKT“).
2. Von dort geht MES.Plot in der Reactome-Hierarchie nach oben bis zur obersten Kategorie (z. B. „Signal Transduction“, „Immune System“). Hat ein Pathway mehrere oberste Kategorien, wird die alphabetisch erste verwendet.
3. Nicht zuordenbare Terme kommen in die Gruppe „Not assigned“.
4. Flächen nach dem Squarified-Treemap-Verfahren (Bruls, Huizing & van Wijk 2000): Gruppenfläche = Summe der Gene counts ihrer Terme, Kachelfläche = Gene count (mindestens 1). Größte Gruppen und Kacheln zuerst.

Lesen: Große Gruppen = viele überlappende Gene in diesem Bereich. Die Fläche zeigt die Gen-Menge, nicht die Signifikanz – dafür die Farbe lesen.

Voraussetzung: Die Reactome-Dateien ReactomePathways.txt und ReactomePathwaysRelation.txt (reactome.org). Funktioniert sinnvoll nur mit Reactome-Bibliotheken; bei anderen Bibliotheken landet fast alles in „Not assigned“. Bibliotheksversion und Hierarchieversion sollten zusammenpassen, sonst fehlen umbenannte Pathways.

4.9 Venn-Diagramm (Vergleich mehrerer Dateien)

Frage: Welche Pathways sind in welchen Bedingungen signifikant – z. B. hoch- vs. herunterregulierte Gene, oder zwei Zeitpunkte?

Berechnung

1. Für jede angehakte Datei (2 oder 3) wird die Menge der signifikanten Terme gebildet: adj. P < Schwelle. Die Häkchen in der Tabelle spielen hier keine Rolle.
2. Terme werden über ihren Namen zugeordnet (ohne Groß-/Kleinschreibung, mehrfache Leerzeichen vereinheitlicht). Kommt ein Term in einer Datei doppelt vor, zählt der kleinere adj. P.
3. Jeder Term kommt in genau einen Bereich: die Kombination der Dateien, in denen er signifikant ist (z. B. „nur hoch“ oder „hoch ∩ runter (ohne spät)“). Die Zahlen sind also exklusiv und ergeben zusammen die Zahl der Terme, die in mindestens einer Datei signifikant sind.
4. „n = …“ unter dem Dateinamen = alle signifikanten Terme dieser Datei.

Wichtig: Die Kreise sind gleich groß und nicht flächenproportional – die Zahlen tragen die Information. Im Tab Vergleich stehen die Terme jedes Bereichs, sortiert nach dem kleinsten adj. P, und lassen sich als CSV speichern.

Grenzen: „Nicht signifikant“ heißt nicht „nicht angereichert“ – ein Term knapp über der Schwelle fällt aus der Menge. Für mehr als drei Dateien eignet sich ein UpSet-artiger Vergleich besser. Die Dateien sollten mit derselben Bibliothek erstellt sein, sonst passen die Termnamen nicht zusammen.

5. Datenprüfung (Prüfbericht)

Beim Laden prüft MES.Plot jede Datei. Jede Meldung hat eine Stufe – Fehler (Daten sind falsch oder fehlen in den Grafiken), Warnung (wahrscheinlich ein Problem), Hinweis, OK – und, wo möglich, die Zeilennummer wie im Texteditor. Pro Prüfung werden höchstens 15 betroffene Zeilen einzeln gelistet. Der Bericht lässt sich als Text speichern.

So wird Benjamini-Hochberg nachgerechnet

Für m Terme mit P-Werten, aufsteigend sortiert p₍₁₎ ≤ … ≤ p₍ₘ₎:

adj p(i) = min( 1, min over j ≥ i of ( p(j) · m / j ) )

Das ist das Standardverfahren (wie p.adjust(p, "BH") in R). Ein Wert gilt als übereinstimmend, wenn die Abweichung höchstens das 10⁻⁶-fache des Werts beträgt (Rundung in der Datei). Abweichungen entstehen typischerweise, wenn die Datei gefiltert oder gekürzt wurde (dann stimmt m nicht), Zeilen nicht gelesen werden konnten, ein anderes Verfahren verwendet oder Werte von Hand geändert wurden. Für die Grafiken verwendet MES.Plot immer den adj. P aus der Datei, nicht den nachgerechneten.

6. Reproduzierbarkeit

• Deterministisch: Dieselbe Datei mit denselben Einstellungen und derselben Auswahl ergibt immer dieselbe Grafik – auch die Netzwerk-Layouts verwenden keine Zufallszahlen.
• Gespeicherte Abbildungen enthalten Auswertung, alle Einstellungen und die gewählten Terme, kein Bild; sie werden beim Öffnen aus der unveränderten Originaldatei neu berechnet.
• Rückverfolgbar: Jeder Tooltip nennt die Zeile der Originaldatei.
• Schrift: Texte werden mit den Zeichenbreiten von Arial gemessen, damit das Layout auf jedem Rechner gleich ist.

7. Geplante Auswertungen (noch nicht verfügbar)

Diese Auswertungen gibt es in MES.Plot noch nicht. Sie sind hier beschrieben, damit Fachseite und Entwicklung dieselbe Vorstellung davon haben, was sie zeigen und wie sie berechnet würden. Ausgewählt sind nur Auswertungen, die ohne neue Datenquellen auskommen: Sie verwenden dieselben Enrichr-Tabellen und bauen auf vorhandenem Code auf. Aufwand: gering = neues Layout aus vorhandenen Bausteinen, etwa 1–2 Tage; gering bis mittel = zusätzlich eine kleine neue Berechnung, etwa 3–5 Tage (jeweils mit Tests, Hilfe-Text und Website-Text in beiden Sprachen).

7.1 Balkendiagramm (geplant)

Frage: Welche Terme sind am stärksten signifikant? Die einfachste, in vielen Journalen erwartete Form.

Berechnung und Kodierung

• Ein waagrechter Balken pro ausgewähltem Term, Reihenfolge = Tabellensortierung.
• Balkenlänge = −log₁₀(adj. P) (wahlweise Combined Score oder Gene count).
• Balkenfarbe = Gene ratio oder einheitlich; gestrichelte senkrechte Linie bei −log₁₀(Schwelle), z. B. 1,3 für 0,05.
• Gene count optional als Zahl am Balkenende.

Lesen: Je länger, desto signifikanter. Balken links der Schwellenlinie sind nicht signifikant.

Grenze: zeigt im Wesentlichen nur eine Größe – für mehr Information den Dot Plot verwenden.

7.2 Lollipop-Plot (geplant)

Frage: wie der Dot Plot, aber mit der Signifikanz als Position statt als Farbe – dadurch genauer ablesbar.

Berechnung und Kodierung

• Y = Term, X = −log₁₀(adj. P), Linie von 0 bis zum Punkt.
• Punktgröße = Gene count, Punktfarbe = Gene ratio (eigene Farbskala).
• Senkrechte Schwellenlinie bei −log₁₀(Schwelle).

Lesen: Position = Signifikanz (exakt ablesbar), Größe = Zahl der Gene.

7.3 Gen-Häufigkeit (geplant)

Frage: Welche Gene kommen in den meisten ausgewählten Pathways vor (Hub-Gene)?

Berechnung und Kodierung

• Für jedes Gen wird gezählt, in wie vielen ausgewählten Termen es im Overlap liegt.
• Waagrechte Balken, absteigend sortiert; die N häufigsten Gene (Option, z. B. Standard 30).
• Balkenfarbe einheitlich oder nach dem stärksten −log₁₀(adj. P) der Terme, in denen das Gen liegt.
• Tooltip: die Terme des Gens.

Lesen: Gene oben sind Kandidaten für zentrale Treiber. Achtung: Gene in vielen großen, verwandten Pathways (z. B. Signalwege mit vielen Unterpathways) zählen mehrfach – zusammen mit der Enrichment Map lesen.

7.4 Dot Plot nach Reactome-Kategorie (geplant)

Frage: Welche angereicherten Terme gehören zu welchem biologischen Bereich – mit der Genauigkeit des Dot Plots?

Berechnung und Kodierung

• Wie der Dot Plot, die Terme aber gruppiert nach ihrer obersten Reactome-Kategorie (Zuordnung wie bei der Treemap), mit Gruppenüberschrift und Trennlinie.
• Innerhalb einer Gruppe gilt die Tabellensortierung; die Gruppen nach ihrem besten adj. P.
• Nicht zuordenbare Terme in „Not assigned“ am Ende.

Grenze: braucht die Reactome-Dateien; nur für Reactome-Bibliotheken sinnvoll.

7.5 UpSet über Dateien (geplant)

Frage: wie das Venn-Diagramm, aber für 4–6 Dateien, wo Venn-Diagramme unlesbar werden.

Berechnung: genau wie beim Venn-Diagramm (signifikante Terme je Datei, exklusive Bereiche). Jeder nicht leere Bereich wird ein Balken; die Matrix zeigt die beteiligten Dateien, die Balken links die Zahl signifikanter Terme je Datei. Sortierung und Max. Schnittmengen wie beim UpSet-Plot.

Lesen: wie der UpSet-Plot, nur sind die Mengen Dateien und die Elemente Terme (statt Terme und Gene).

7.6 Vergleichs-Dot-Plot (geplant)

Frage: Wie verhalten sich dieselben Pathways in mehreren Bedingungen (2–6 Dateien eines Projekts) – nicht nur „signifikant ja/nein“ wie im Venn-Diagramm, sondern mit Werten? (Entspricht compareCluster in clusterProfiler.)

Berechnung

1. Zeilen = Terme, die in mindestens einer der angehakten Dateien signifikant sind (adj. P < Schwelle); wahlweise begrenzt auf die Top N je Datei.
2. Spalten = Dateien (Reihenfolge und Beschriftung wie in der Dateiliste).
3. Zuordnung der Terme über den Namen wie beim Venn-Diagramm.
4. Zeilenreihenfolge: nach Muster gruppiert (z. B. erst „in allen signifikant“, dann „nur in Datei 1“ …), innerhalb nach dem besten adj. P.

Wichtig: Die Farbskala ist hier gemeinsam für alle Dateien, damit die Spalten vergleichbar sind.

Lesen: Zeilen mit Punkten in allen Spalten = gemeinsame Pathways; einzelne Punkte = bedingungsspezifisch. Anders als im Venn-Diagramm sieht man auch Terme knapp über der Schwelle (Umriss).

7.7 Term-Ähnlichkeits-Heatmap (geplant)

Frage: Welche ausgewählten Terme sind redundant, weil sie fast dieselben Gene enthalten? Ergänzt die Enrichment Map um exakte Werte und eine feste Anordnung.

Berechnung

1. Für jedes Paar ausgewählter Terme der Jaccard-Index der Genlisten (wie bei der Enrichment Map).
2. Optional hierarchisches Clustering der Terme (Distanz = 1 − J, Average Linkage), damit ähnliche Terme nebeneinander stehen; sonst Tabellenreihenfolge.
3. Symmetrische Matrix Terme × Terme; Diagonale = 1.

Kodierung: Zellfarbe = Jaccard-Index (eigene Skala 0–1), optional der Wert in der Zelle; neben den Termnamen ein schmaler Farbstreifen mit −log₁₀(adj. P); optional der Baum (Dendrogramm) am Rand.

Lesen: Kräftige Blöcke entlang der Diagonale = Gruppen redundanter Terme; aus jeder Gruppe genügt oft der signifikanteste Term in der Hauptabbildung.

Grenze: sinnvoll bis etwa 60 Terme.