Heatmapでは、サンプル間での遺伝子発現量の変動を色の濃さで表現します。特定のサンプル群や特定の遺伝子群で、特徴のある遺伝子群が存在するか、それらが全体の中でどのくらいの割合を示すかが視覚的にわかります。これによって、遺伝子がいくつの群に分かれるかを想定して、遺伝子群の同定を行えます。

Complex Heatmapでは、サンプル間での遺伝子発現量の変動を色の濃さで表現する機能に加え、それぞれのサンプルの遺伝子発現量以外のメタデータも棒グラフや密度グラフとして Complex Heatmap の隣に表示できます。
これにより、特定のサンプル群や特定の遺伝子群で、特徴のある遺伝子群が存在するか、それらが全体の中でどのくらいの割合を示すかが視覚的にわかるとともに、それぞれの群が遺伝子の発現量以外のどういった特徴をもつかを可視化することができます。結果として、遺伝子がいくつの群に分かれるかを想定して、遺伝子群の同定、さらにその群の特徴がわかります。

対象間の距離に基づいて、距離の近いもの同士を１つのグループ（クラスタ） に順次にまとめていく方法です。生成されたクラスタがさらに上位のクラスタにまとめられていくため、分類結果は階層構造を持つものとなります。階層構造は系統図と呼ばれる図で可視化されます。
データを取得した際に、想定したグループが近い距離にまとまるか、または外れたサンプルがないかの評価に使用します。この結果により、どのようなサンプル群の比較が有効かを想定することができます。

主成分分析は、相関のある多数の変数から相関のない少数で全体のばらつきを最もよく表す「主成分」と呼ばれる変数を合成する多変量解析の一手法です。
データの次元を削減するために用いられます。 主成分を用いて各サンプルをマッピングし、２次元空間でサンプル間の遺伝子発現傾向の類似性を評価することができます。

主成分を用いて各サンプルをマッピングし、3次元空間でサンプル間の遺伝子発現傾向の類似性を評価することができます。また、主成分を形成する重みを取得することで、サンプル間の差異を規定する遺伝子を予測できます。
3D PCA Scatter Plot では、元データを主成分分析し、それぞれ第一主成分(PC1)と第二主成分(PC2)による二次元の散布図、第一主成分(PC1)から第三主成分(PC3)による三次元の散布図を作成します。

Rotatable Scatter Plotは基本的に3D PCA Scatter Plotと同様ですが、手元で自由に回転できる3次元散布図を作成します。

Linear Regression（線形回帰）では、2次元のデータについて散布図と回帰直線を描きます。
主にレプリケイト間のデータでどのくらいの再現性があるかを評価するために用います。

Correlation(相関係数)は、2つの確率変数の間にある「線形な関係」の強弱を測る指標です。
レプリケイトのデータ間でどのくらいの相関があるかを評価することができます。複数のサンプル間での相関係数と散布図を1つの図にまとめて表示します。

ベン図とは、複数の集合の関係や、集合の範囲を視覚的に図式化したものです。
異なるデータセット間で共通の要素がどのくらい存在するかを可視化します。複数の遺伝子名リスト入力からベン図を作成し、さらにベン図内のそれぞれの領域(A ∩ B ＼ Cなど)に属する遺伝指名リストを出力します。

バイオリン図は、各グループごとにサンプルデータのばらつきをバイオリンまたは箱ひげにして可視化する方法です。
複数のグループ間での比較が一目でできます。ある特定の遺伝子について、各グループのサンプルの遺伝子発現量分布（縦軸は遺伝子発現量）を表現します。横軸はグループIDです。バイオリン図の各位置の太さは、その位置に相当する遺伝子発現量を持つサンプルの数を表します。

箱ひげ図は、各グループごとにサンプルデータのばらつきをバイオリンまたは箱ひげにして可視化する方法です。
複数のグループ間での比較が一目でできます。ある特定の遺伝子について、各グループのサンプルの遺伝子発現量分布（縦軸は遺伝子発現量）を表現します。横軸はグループIDです。

Chord Diagramは、データセットに含まれる要素間の相互作用や関係性を直感的かつ網羅的に理解するのに役立ちます。視覚的な表現によって、データのパターンや傾向を素早く把握できます。要素間の関係や接続を視覚的に表現するための情報可視化手法の一つです。

Network Analysis では頂点とそれらをつなぐ辺で構成されたネットワークを作成し、頂点同士の関係を表現するものです。
このモジュールでは、主に遺伝子・サンプル間の相関係数の強さを頂点をつなぐ辺として表現し、それぞれの遺伝子・サンプルがどのような関係にあるのかを解析します。

Volcano Plotは散布図の一種で、２つのデータセットで変動のある要素の有意性を可視化し、閾値の決定や要素の選別を行うために使用します。
２つの群でそれぞれ特異的に発現する遺伝子を選別するために、変動率（fold-change）を横軸、縦軸にどのくらい群間で有意な差であるかを示すp-valueをとる散布図を作成します。 Visualizationでは、縦軸 p-value（-log10表示）、横軸 fold-change（log2表示）を作成します。

MA Plot（M (log ratio) / A (mean average)）はVolcano Plotと同様に、２つのデータセットで変動のある要素の有意性を可視化し、閾値の決定や要素の選別を行うために使用します。
Volcano Plotと異なる点として、MAプロットでは絶対量（例えば発現量）と fold change の散布図を作成します。