用前必读
1,使用excel存储并调整数据,然后拷贝、粘贴到输入框
2,先用输入框下方的“输入检查”按钮检查输入,通过后再作图
3,表头请勿使用#,<,>,%,(,)等特殊符号。默认仅支持英文字符
4,使用inkscape或者AI修改文字、字体,图例,处理截断
5,生信项目合作,提交bug、发文引用换积分,请加管理员微信(页面右下)

人工客服   基因名转换   FC,P转换   常用配色 需求及bug提交   pdf转图片
必需输入  PCA绘制视频教程   文字教程
缺失值用NA代替,但是不能为空,程序自动impute
若行名有重复,使用合并工具预处理后再绘图
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:

文字及字体大小
点大小:;点标注文字字体大小:
轴说明文字字体大小:;轴刻度数字字体大小:
图例标题:
图例标题字体大小:;图例文字字体大小:

颜色(10种自定义,20种默认。即最多绘制30组)
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:

是否加样名名标注


是否添加椭圆等形状(注:椭圆要求至少4个点)





字体


主成分分析(PCA)

简介
主成分分析(Principal component 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
行为特征(例如基因,蛋白,代谢物等),列为样品。第一行为样品名,第二行为组名,第3+行为特征。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:prcomp计算PCA,FactoMineR包绘图。
该包默认对数据进行center和scale转化。
论文例子
[Nature communications] Sympathetic axonal sprouting induces changes in macrophage populations and protects against pancreatic cancer. Fig4h
输入 示例数据
输出

如何引用?

建议直接写网址。4700+篇google学术,3900+篇知网学术
正式引用:Tang D, Chen M, Huang X, Zhang G, Zeng L, Zhang G, Wu S, Wang Y.SRplot: A free online platform for data visualization and graphing. PLoS One. 2023 Nov 9;18(11):e0294236. doi: 10.1371/journal.pone.0294236. PMID: 37943830.
方法章节:Heatmap was plotted by https://www.bioinformatics.com.cn (last accessed on 10 Dec 2024), an online platform for data analysis and visualization.
致谢章节:We thank Mingjie Chen (Shanghai NewCore Biotechnology Co., Ltd.) for providing data analysis and visualization support.