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”微生信智能客服“或加群讨论!
必需输入
绘图数据:


可选输入:
图片宽:
图片高:
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

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?
162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