Publikationsreife Heatmaps aus hochgeladenen Matrixdaten.
Laden Sie eine Expressions- oder Korrelationsmatrix, Assay-Daten oder eine Tabelle Proben × Merkmale hoch, beschreiben Sie Farbskala und Annotationen und erhalten Sie eine saubere, KI-generierte Heatmap als manuskripttaugliche PNG-Datei.
Laden Sie Daten hoch und beschreiben Sie das gewünschte Diagramm.
Kostet 5 Credits. Aus Ihren hochgeladenen Daten und Ihrem Prompt entsteht eine publikationsreife PNG-Datei.
Vorschau
Seitenverhältnis: 16:9
Dies sind Beispielvorschauen. Laden Sie Ihren Datensatz hoch, um Ihre eigene Heatmap zu erstellen.
Nutzen Sie diese Beispiele als Vorlage für Expressionsmatrizen, Korrelationen, Signalweg-Scores, Immunprofile, Zeitverläufe und manuskripttaugliche Heatmaps.
Prompt
Erstellen Sie auf Basis der hochgeladenen Datei gene_expression_matrix.csv eine publikationsreife Heatmap der Genexpression. Verwenden Sie Gene als Zeilen und Proben als Spalten, behalten Sie die Beschriftungen bei, nutzen Sie bei zentrierten Werten eine Blau-Weiß-Rot-Skala, ergänzen Sie kompakte Dendrogramme nur, wenn gewünscht oder sinnvoll, und fügen Sie eine gut lesbare Farblegende hinzu.
Prompt
Erstellen Sie auf Basis der hochgeladenen Datei sample_correlation_matrix.xlsx eine schlichte Heatmap der Probenkorrelation. Behalten Sie die hochgeladene Probenreihenfolge bei, sofern kein Clustering gewünscht ist, verwenden Sie eine wahrnehmungsgerecht klare Farbskala für die Korrelation, beschriften Sie die Zellen nur, wenn der Platz für lesbare Werte reicht, und ergänzen Sie eine kompakte Legende von niedriger bis hoher Korrelation.
Prompt
Erstellen Sie auf Basis der hochgeladenen Datei pathway_activity_scores.tsv eine Heatmap der Signalweg-Aktivität, die die Signalwege als Zeilen über die Versuchskohorten hinweg vergleicht. Verwenden Sie für die zentrierten Aktivitätsscores eine zurückhaltende divergierende Farbskala, ergänzen Sie Annotationsleisten für die Kohorten, sofern vorhanden, halten Sie die Beschriftungen lesbar und vermeiden Sie Gedränge bei dichten Zeilen.
Prompt
Erstellen Sie auf Basis der hochgeladenen Datei immune_cell_abundance.csv eine Heatmap der Immunzell-Abundanz. Verwenden Sie Immunzelltypen als Zeilen und Behandlungs- oder Ansprechgruppen als Spalten, eine Skala von Gelb (niedrig) bis Violett (hoch) und eine kompakte Legende zur Abundanz, und behalten Sie die Gruppenbeschriftungen bei, damit die Abbildung im Manuskript gut lesbar bleibt.
Prompt
Erstellen Sie auf Basis der hochgeladenen Datei time_course_gene_modules.xlsx eine Heatmap des Zeitverlaufs, die die Veränderung von Genmodulen über geordnete Zeitpunkte zeigt. Behalten Sie die chronologische Reihenfolge der Spalten bei, verwenden Sie für die z-Scores eine zentrierte Blau-Weiß-Rot-Skala, gruppieren Sie zusammengehörige Zeilen visuell und beschriften Sie die Zeitpunkte deutlich.
Prompt
Erstellen Sie auf Basis der hochgeladenen Datei methylation_beta_matrix.csv eine Methylierungs-Heatmap mit CpG-Regionen als Zeilen und Patientenproben als Spalten. Verwenden Sie für die Beta-Werte der Methylierung eine Skala von Petrol bis Gold, ergänzen Sie Annotationsfarben für den Gewebetyp, sofern vorhanden, halten Sie die Beschriftungen kompakt und zeigen Sie ein Clustering nur, wenn es die Analyse stützt.
Laden Sie eine CSV-, TSV-, TXT- oder Excel-Datei hoch – mit einer Spalte für die Zeilenbeschriftungen, gefolgt von numerischen Spalten für Proben, Bedingungen, Merkmale oder Matrixeinträge.
Nennen Sie SciFigure AI Farbskala, gewünschtes Clustering, Annotationsleisten, Beschriftungen und den Abbildungstitel.
Erzeugen Sie die Heatmap mit KI, prüfen Sie Beschriftungen und Skalenwahl und laden Sie die PNG-Datei für Paper und Präsentationen herunter.
Es macht aus wissenschaftlichen Matrixdaten (Zeilen × Spalten) eine saubere Heatmap, die Muster über Gene, Proteine, Metabolite, Proben, Kohorten, Signalwege oder Assay-Bedingungen sichtbar macht. Das Ergebnis ist für Manuskripte, Laborberichte, Poster und Forschungsvorträge ausgelegt.
Eine Spalte mit Zeilenbeschriftungen und mindestens zwei numerische Matrixspalten, etwa für Proben, Bedingungen, Signalwege, Assays oder Korrelationen.
Ja. Bitten Sie darum, die hochgeladene Reihenfolge beizubehalten. Wenn Sie ein Clustering anfordern, prüfen Sie, ob Vorverarbeitung, Distanzmaß und Gruppierung wissenschaftlich sinnvoll sind.
Eine divergierende Skala eignet sich, wenn null oder ein anderer Mittelpunkt eine Bedeutung hat, etwa bei z-Scores. Für Abundanz, Intensität, Beta-Werte der Methylierung und andere Messungen von niedrig bis hoch passt eine sequenzielle Skala.
Ja. Laden Sie Annotationsspalten hoch oder beschreiben Sie die Probengruppen und fordern Sie kompakte Leisten oben oder seitlich an.
Ja. Prüfen Sie vor der Einreichung aber Werte, Skalierung, Normalisierung, Clustering, Beschriftungen und Abbildungslegende.
Volcano Plot erstellen
Effektstärke und Signifikanz in Ergebnissen der differenziellen Analyse hervorheben.
Kostenlos testen
Streudiagramm erstellen
Zusammenhänge zwischen gepaarten numerischen Variablen darstellen.
Kostenlos testen
Punktdiagramm erstellen
Einzelwerte und gruppierte Markerintensitäten zeigen.
Kostenlos testenErstellen Sie mit SciFigure AI Heatmaps, Volcano Plots, Streudiagramme und weitere forschungstaugliche Visualisierungen.
