1.什么是PCA？

人眼一般能感知的空間為二維和三維。高維數(shù)據(jù)可視化的重要目標就是將高維數(shù)據(jù)呈現(xiàn)于二維或三維空間中。高維數(shù)據(jù)變換就是使用降維度的方法，使用線性或非線性變換把高維數(shù)據(jù)投影到低維空間，去掉冗余屬性，但同時盡可能地保留高維空間的重要信息和特征。

主成分分析法，也被稱為主分量分析法，是很常用的一種數(shù)據(jù)降維方法。主成分分析法采用一個線性變換將數(shù)據(jù)變換到一個新的坐標系統(tǒng)，使得任何數(shù)據(jù)點投影到第一個坐標（第一主成分）的方差最大，在第二個坐標（第二主成分）的方差為第二大，以此類推。因此，主成分分析可以減少數(shù)據(jù)的維數(shù)，并保留對方差貢獻最大的特征。

本文我們就來討論一下PCA圖是如何繪制的以及如何對其進行解讀。

2.繪圖前的數(shù)據(jù)準備

demo數(shù)據(jù)可以在https://www.bioladder.cn/shiny/zyp/bioladder2/demoData/PCA/PCA.rar下載。

2.1 PCA數(shù)據(jù)

數(shù)據(jù)來源一般是搜庫結果定量表。包含2個維度的數(shù)據(jù)，一般情況下，每一行是一個基因，每一列是一個樣本。

2.2 分組數(shù)據(jù)（可選）

行名的名稱和個數(shù)要和之前的PCA數(shù)據(jù)保持一致，列名為分組名稱，可以包含不止一個分組。

3. R語言怎么畫PCA

4.BioLadder生信云平臺在線繪制PCA圖

不想寫代碼？可以用BioLadder生信云平臺在線繪制熱圖。

免費使用，注冊登錄后暢享40+模塊。

網址：https://www.bioladder.cn/web/#/chart/13

4.1 上傳文件

點擊“選擇”按鈕上傳自己的文件

備注：

1. 第2文件為分組信息，非必選；

2. 點擊查看按鈕可以查看自己的上傳的數(shù)據(jù)；

3. 點擊下載示例，可以下載demo數(shù)據(jù)；

4. 支持txt，csv，xlsx，xls四種格式；

4.2 調整參數(shù)

4.2.1 PCA特有參數(shù)

根據(jù)需求調整參數(shù)即可

• 按分組畫圖：勾選后按照樣本名稱進行繪制，否則按照基因進行繪制

• 是否畫橢圓：是否圍繞分組畫個橢圓（當分組內重復《=2時，不能畫橢圓）

• label字體大?。赫{整標記文字的大小

4.2.2 ?通用參數(shù)

• 坐標軸選項卡：可以調整坐標軸名字，刻度大小，方向，圖例位置大小等

• 顏色選項卡：可以調整圖案顏色和透明度，以及可以選擇畫板背景主題。

4.3 提交查看

上傳完數(shù)據(jù)，并調好參數(shù)后，點擊右上方“提交”按鈕，圖像會出現(xiàn)在左側。如果沒有上傳自己的數(shù)據(jù)，會使用默認的demo數(shù)據(jù)繪圖。

4.4 下載

可以直接點擊下載按鈕，快捷下載當前所看到的圖形。也可以點擊更多選項，對圖片的寬高，格式等做調整。

更多選項里，可以手動拖拽調整圖片大小，也可以在下方的輸入框內直接輸入想要的大小，支持下載PNG，PDF，SVG，JPEG，BMP，EPS，TIFF等多種格式。

5.PCA結果解讀

是主成分分析的PC1和PC2的結果，橫縱坐標分別為前兩個主成分，括號內的百分比為該主成分能解釋的變量的百分比。PCA得分圖能將對照組和實驗組樣本區(qū)分開。在PCA圖中，如果樣本之間聚集在一起，說明這些樣本差異性??；反之樣本之間距離越遠，說明樣本之間差異性越大。不同顏色的散點表示不同實驗分組的樣本。

6.BioLadder生物信息在線分析可視化云平臺

網址：https://www.bioladder.cn/

BioLadder目前上線了生物學分析最常用50多個模塊，主要包括以下四類：

數(shù)據(jù)可視化：箱線圖，南丁格爾玫瑰圖，韋恩圖，UpSet圖，餅圖，詞云圖，核密度圖，小提琴圖，弦圖，柱形圖等

組學數(shù)據(jù)分析：序列的多重比對，表達數(shù)據(jù)的CV曲線圖，PCA，T-SNE，熱圖，相關性熱圖等，趨勢分析的mFuzz，差異分析的火山圖，富集分析的氣泡圖，修飾位點上下游模體分析的seqLogo，Motif熱圖等

功能分析：GO弦圖，相互作用網絡圖，富集分析

數(shù)據(jù)預處理：歸一化，補值，F(xiàn)DR校正，長寬表互換等