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
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？
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？
3000+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