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,粘贴到输入数据框即可
必需输入
绘图数据:


可选输入:
图片宽:
图片高:
轴说明文字大小:
样品名文字大小:
点大小:

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
gene1	4.14 	3.75 	1.90 	0.55 	1.87 	5.12
gene2	4.19 	5.12 	2.35 	3.08 	1.22 	2.80
gene3	4.29 	2.80 	3.21 	0.95 	1.22 	2.80
gene4	5.84 	2.80 	4.01 	0.95 	4.96 	1.83
gene5	4.58 	3.11 	3.40 	1.51 	3.74 	1.19
gene6	6.10 	4.51 	4.96 	1.73 	5.84 	3.31
gene7	3.91 	3.19 	3.74 	2.91 	2.35 	1.19
gene8	7.53 	7.10 	5.84 	5.03 	2.66 	4.59
gene9	2.75 	1.39 	2.35 	1.73 	1.22 	2.89
gene10	3.85 	3.43 	2.97 	0.95 	1.22 	1.83
gene11	3.49 	3.81 	1.25 	1.92 	1.22 	1.25
gene12	3.97 	4.24 	3.88 	3.43 	2.66 	3.88
gene13	6.50 	3.87 	5.61 	3.43 	3.96 	5.61
gene14	5.99 	4.16 	5.02 	1.51 	1.87 	2.27
gene15	1.19 	3.57 	2.35 	0.55 	1.87 	1.19
gene16	1.54 	3.28 	4.01 	2.50 	1.22 	1.19
输出

常见问题
  • 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。常见错误包括:非制表符分割,数据列数不对,没有带title等
  • 3,导出图片?
  • 默认提供3种类型图片供下载:pdf, svg和png(300 dpi),部分未提供的,请在生成图片上点击鼠标右键,选择另存为(直接是svg格式文件,文件后缀不用改)。推荐使用chrome浏览器
  • 4,编辑图片,以满足杂志需求?
  • 默认Arial字体,8 x 6(或6 x 6)大小(inch)。下载Inkscape软件(最兼容,推荐,inkscape常用技巧),打开另存的svg文件,修改布局,文字等后,导出pdf或其他格式图片
  • 5,如何引用
  • 本站内容未公开发表paper,如需引用,请使用如下格式,或者原生R包:
    Heatmap was plotted by http://www.bioinformatics.com.cn, an online platform for data analysis and visualization.