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:
变量文字大小:
X轴最小值:
X轴最大值:
Y轴最小值:
Y轴最大值:

是否绘制椭圆(椭圆代表分组按默认68%的置信区间加的核心区域
注意:若有分组仅包含2个样品,则不能画椭圆)
绘制 不绘制
是否绘制相关环(即圆,代表相关性)
绘制 不绘制
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; 椭圆代表分组按默认68%的置信区间加的核心区域,便于观察组间是否分开;箭头代表原始变量,其方向代表原始变量与主成分的相关性,长度代表原始数据对主成分的贡献度
生物医学常见应用 基因表达的PCA。参考:https://github.com/vqv/ggbiplot
输入 示例数据
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.