用前必读
1,使用输入检查工具(windows版)检查输入数据
2,使用excel存储并调整数据(wps不行),然后拷贝、粘贴到输入框
3,请勿使用特殊符号,例如#,<,>,%,(,),非英文字符等。默认仅支持英文字符(部分模块除外)
4,使用SVG编辑器或AI,inkscape修改文字、字体,图例,处理截断等,参考inkscape实操
5,生信分析项目合作请加管理员微信(页面右下)

人工客服  基因名转换  FC,P转换  常用配色  影响因子 新需求及bug提交  pdf转图片

必需输入
绘图数据(带header,最多画10条)


可选输入
图片大小
图片宽度:
图片高度:

字体大小
轴说明字体大小:
轴刻度字体大小:

颜色
颜色1: ,颜色2:
颜色3: ,颜色4:
颜色5: ,颜色6:
颜色7: ,颜色8:
颜色9: ,颜色10:

是否平滑


X轴说明


显示百分比


字体


ROC曲线

简介
ROC的全名叫做Receiver Operating Characteristic,其主要分析工具是一个画在二维平面上的曲线--ROC curve。平面的横坐标是false positive rate(FPR),纵坐标是true positive rate(TPR)。对某个分类器而言,我们可以根据其在测试样本上的表现得到一个TPR和FPR点对。这样,此分类器就可以映射成ROC平面上的一个点。调整这个分类器分类时候使用的阈值,我们就可以得到一个经过(0, 0),(1, 1)的曲线,这就是此分类器的ROC曲线。一般情况下,这个曲线都应该处于(0, 0)和(1, 1)连线的上方。因为(0, 0)和(1, 1)连线形成的ROC曲线实际上代表的是一个随机分类器。如果很不幸,你得到一个位于此直线下方的分类器的话,一个直观的补救办法就是把所有的预测结果反向,即:分类器输出结果为正类,则最终分类的结果为负类,反之,则为正类。虽然,用ROC curve来表示分类器的performance很直观好用。可是,人们总是希望能有一个数值来标志分类器的好坏。于是Area Under roc Curve(AUC)就出现了。顾名思义,AUC的值就是处于ROC curve下方的那部分面积的大小。通常,AUC的值介于0.5到1.0之间,较大的AUC代表了较好的performance。参考:https://www.cnblogs.com/gatherstars/p/6084696.html
数据说明
第一列是样品,第二列是分类(2分类);第三列及以后是某基因的表达值。调用R包:pROC
论文例子
pROC: an open-source package for R and S+ to analyze and compare ROC curves. Fig2
输入 示例数据
输出

1)如何作图?
1,准备作图数据;2,用excel打开数据,调整为示例格式;3,将调整后的数据粘贴到输入框;4,选择参数;5,提交出图
2)为什么不出图?
对输入数据格式有严格要求。请观看输入框上面的视频介绍,并仔细阅读右侧说明,示例数据。
3)如何引用?
2900+篇google学术,2400+篇知网学术引用
推荐直接写网址
Cite: Tang D, Chen M, Huang X, Zhang G, Zeng L, Zhang G, Wu S, Wang Y. SRplot: A free online platform for data visualization and graphing. PLoS One. 2023 Nov 9;18(11):e0294236. doi: 10.1371/journal.pone.0294236. PMID: 37943830.
Method: Heatmap was plotted by https://www.bioinformatics.com.cn (last accessed on 20 Feb 2024), an online platform for data analysis and visualization.
Acknowledgement: We thank Shanghai NewCore Biotechnology Co., Ltd. (https://www.bioinformatics.com.cn, last accessed on 20 Feb 2024) for providing data analysis and visualization support.
4)交流群/公众号