用前必读
1,输入数据格式(标题、行、列)必需与示例一致,请仔细看右侧说明和示例,标能缺,不能有中文,特殊符号等
2,推荐使用excel存储并调整数据(wps不行),然后粘贴到输入框
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,更多干货,请右下扫码,关注”微生信“公众号或加群讨论!
注意:1,不要用微信打开,用浏览器,推荐edge或chrome!
2,分析、作图失败,请对照示例检查输入数据格式!
3,智能客服  人工客服  基因名转换  svg编辑器  FC,P转换  常用配色  影响因子  输入检查

必需输入(默认行为样品,列为特征(例如,基因),否则请勾选转置按钮)
缺失值用NA代替,但是不能为空,程序自动impute
数据较少(直接拷贝数据并粘贴到输入框):

数据较多(上传tab分割的txt文件,文件名用英文)


可选输入
图片大小
图片宽度:
图片高度:

文字大小
点标注文字大小:
点大小:
轴说明文字大小:
轴刻度数字文字大小:
图例标题文字说明:

颜色,最多绘制10组(10种颜色)
颜色1:
颜色2:
颜色3:
颜色4:
颜色5:
颜色6:
颜色7:
颜色8:
颜色9:
颜色10:

数据是否转置



是否加label


是否添加椭圆等


字体


PCA在线绘图操作步骤

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
1)若行为样品,列为特征(例如基因):第一列为样品名,第二列为组名(不能为纯数字),第3及以后列为特征。图中坐标轴Dim1和Dim2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(individuals),不同颜色表示不同分组。调用:FactoMineR包。
2)若行为特征(例如基因),列为样品:第一行为样品名,第二行为组名(不能为纯数字),第3及以后行为特征。
该包默认对数据进行scale转化。
生物医学常见应用
[Nature communications] Sympathetic axonal sprouting induces changes in macrophage populations and protects against pancreatic cancer. Fig4h
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?
800+篇google学术,700+篇知网学术引用
请使用原生R包,Python包进行引用,或使用如下格式(推荐直接写网址)
Heatmap was plotted by https://www.bioinformatics.com.cn (last accessed on 31 Oct 2022), an online platform for data analysis and visualization.

4)交流群/公众号