注意:输入数据格式(行、列)必需与右侧示例一致,制表符分割
1,数据来自excel,直接拷贝待绘图数据,粘贴到输入数据框即可
2,数据来自txt,各列需要制表符(tab键)分割,直接拷贝数据,粘贴到输入数据框
3,修改文字字体,图例位置,处理文字截断等图片编辑,请参考inkscape实操
4,其他问题,请左侧扫码,关注”微信智能客服“或加群讨论!
必需输入
绘图数据:


可选输入:
图片宽:
图片高:
轴刻度文字大小:
轴说明文字大小:
样品名文字大小:
点大小:
分组文字大小:

X轴最小值:
X轴最大值:
Y轴最小值:
Y轴最大值:

默认可自定义4种颜色,超过4种用系统默认
颜色1:
颜色2:
颜色3:
颜色4:

是否标注样品名字?
标注 不标注
此图将消耗 0 微币

主成分分析(PCA)


简介
主成分分析(Principal components analysis,PCA)利用正交变换对一系列可能相关的变量的观测值进行线性变换,从而投影为一系列线性不相关变量的值,这些不相关变量称为主成分(Principal Components)。PCA是最简单的以特征量分析多元统计分布的方法。通常情况下,这种运算可以被看作是揭露数据的内部结构,从而更好的解释数据的变量的方法。
数据说明 矩阵形式,第一行为组名,第二行为样品名,其余行为数据。图中坐标轴PC1和PC2为第一、第二主成分(即潜在变量对差异的解释率);点代表样品,不同颜色表示不同分组。参考:http://pbil.univ-lyon1.fr/ade4/ade4-html/dudi.pca.html
生物医学常见应用 基因表达的PCA
输入
group	A	A	A	B	B	B
sample	A1	A2	A3	B1	B2	B3
INPP5K	4.14	3.75	1.9	0.55	1.87	5.12
MYBBP1A	4.19	5.12	2.35	3.08	1.22	2.8
RPA1	4.29	2.8	3.21	0.95	1.22	2.8
ENAM	5.84	2.8	4.01	0.95	4.96	1.83
UBE2G1	4.58	3.11	3.4	1.51	3.74	1.19
EEFSEC	6.1	4.51	4.96	1.73	5.84	3.31
TBC1D14	3.91	3.19	3.74	2.91	2.35	1.19
TMEM128	7.53	7.1	5.84	5.03	2.66	4.59
COQ3	2.75	1.39	2.35	1.73	1.22	2.89
PNISR	3.85	3.43	2.97	0.95	1.22	1.83
POPDC3	3.49	3.81	1.25	1.92	1.22	1.25
SEC61G	3.97	4.24	3.88	3.43	2.66	3.88
LANCL2	6.5	3.87	5.61	3.43	3.96	5.61
FIGNL1	5.99	4.16	5.02	1.51	1.87	2.27
DDC	1.19	3.57	2.35	0.55	1.87	1.19
FTHL17	1.54	3.28	4.01	2.5	1.22	1.19
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?
程序对输入格式有严格要求。请务必仔细查看右侧说明及示例数据

3)如何引用?
140篇文章引用我们(Google Scholoar)。请引用原生R包,Python包等,或使用如下格式:
Heatmap was plotted by http://www.bioinformatics.com.cn, a free online platform for data analysis and visualization.

4)其他常见问题