用前必读
1,使用输入检查工具检查输入数据,默认仅支持英文字符(部分模块除外)
2,使用excel存储并调整数据(wps不行),然后再粘贴到输入框
3,使用SVG图片编辑器修改文字、字体,图例位置,处理文字截断等,参考inkscape实操
4,生信分析项目合作
5,更多干货,页面右下扫描,关注”微生信“公众号或加群讨论!

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

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

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?
1300+篇google学术,~1000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 5 Jun 2023), an online platform for data analysis and visualization.

4)交流群/公众号