之前给大家介绍的都是单一类型的生信图，这期给大家看点不一样的东西。
一、简介
现在的高分文献，不仅数据量越来越“卷”，就连图表也变得越来越“卷”。人们不再满足于千篇一律的基础图形，开始剑走偏锋，不断在美感和创新性上下功夫，以达到引人入胜的目的。
话不多说，我们先来欣赏下面这张图：
怎么样，第一眼有没有觉得很惊艳？够不够“卷”？够不够“高级”？CNS看了都直呼Amazing，直接拿来发表都不成问题。
可以说，这是一张信息含量极为丰富的图！它创新性地将聚类、分组表达趋势折线图以及功能注释有机融合在一起，让我们能够一目了然地掌握数据的全貌。整个图分为三种类型，我们逐一进行剖析。
聚类分析
聚类分析是一种将数据样本按照相似性进行分组的技术。它能够帮助我们揭示数据集中隐藏的模式和群组关系。通过聚类分析，我们可以将数据样本划分成不同的群组，并使用不同颜色或标记来可视化，从而直观地看到数据的相似性和差异性。
分组表达趋势折线图
分组表达趋势折线图用于展示不同样本组别在某个特定性状上的表达变化趋势。通过观察曲线的走势，我们可以发现不同群组之间的差异，并进一步研究其背后的原因。这种图表不仅能够展示数据的整体趋势，还能够显示出各个群组的表达差异。
功能注释
功能注释则是将基因与通路或其他功能进行关联和注释的过程。
将功能注释与聚类、分组表达趋势折线图结合起来，我们就得到了一个强大的组合图。这种视觉呈现方式，不仅提供了宏观的数据概览，还让我们能够发现隐藏的模式和相互影响。我们可以快速对比不同聚类簇的表达趋势，在不同功能注释下观察各自的关系。总而言之，这种综合性的组合图为我们提供了更多层次的数据理解和分析。
那么这种强大的组合图又是出自哪个工具呢？那就是这个功能强大且易于使用的R包——ClusterGVis，只需按照官方文档中的指引，安装相应的依赖包，你就能快速上手。更令人惊喜的是，ClusterGVis提供了丰富的可定制选项，如调整图形风格、颜色、标签等，足以满足你的个性化需求。
二、图解
左侧
分组表达趋势折线图，里面展示了所属群组中的基因数量，折线则代表着不同样本的表达变化趋势。
中间
聚类热图，展示了各群组中样本的表达情况，渐变颜色表示各基因的Z-score值变化。
右侧
功能注释，展示了各群组包含的功能注释结果，每个群组分别用不同的颜色表示。
三、应用
这种组合类图表最常用的地方就是常规转录组测序数据的可视化，此外，它还可用于展示单细胞测序数据。
今天的内容就介绍到这里，感兴趣的小伙伴们快去试试吧！
更多关于ClusterGVis包的使用方法请查看：https://github.com/junjunlab/ClusterGVis
