用前必读
1,使用输入检查工具(windows版)检查输入数据
2,使用excel存储并调整数据(wps不行),然后拷贝、粘贴到输入框
3,请勿使用特殊符号,例如#,<,>,%,(,),非英文字符等。默认仅支持英文字符(部分模块除外)
4,使用SVG编辑器或AI,inkscape修改文字、字体,图例,处理截断等,参考inkscape实操
5,生信分析项目合作请加管理员微信(页面右下)

人工客服  基因名转换  FC,P转换  常用配色  影响因子 新需求及bug提交  pdf转图片

必需输入  PCA绘制视频教程   文字教程
根据数据,选择是否转置按钮
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,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


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
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,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:prcomp计算PCA,FactoMineR包绘图。
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,第3及以后行为特征。
该包默认对数据进行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

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?
对输入数据格式有严格要求。请观看输入框上面的视频介绍,并仔细阅读右侧说明,示例数据。
3)如何引用?
2900+篇google学术,2400+篇知网学术引用
推荐直接写网址
Cite: 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.
Method: Heatmap was plotted by https://www.bioinformatics.com.cn (last accessed on 20 Feb 2024), an online platform for data analysis and visualization.
Acknowledgement: We thank Shanghai NewCore Biotechnology Co., Ltd. (https://www.bioinformatics.com.cn, last accessed on 20 Feb 2024) for providing data analysis and visualization support.
4)交流群/公众号