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
数据较少（粘贴）：

数据较多（上传tab分割的txt文件，文件名用英文，不能超过20M）

可选输入
图片尺寸
图片宽度：
图片高度：
字体大小
轴说明字体大小：
轴刻度字体大小：
图例标题字体大小：
图例文字字体大小：
变量名字体大小：

颜色（6+使用系统颜色）
颜色1：
颜色2：
颜色3：
颜色4：
颜色5：
颜色6：

输入数据是否转置



样品点大小：

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


是否绘制相关环（即圆，代表相关性）


字体


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
若行为特征（基因），列为样品，则第1行为样品，第2行为组，其余行为数据。
若行为样品，列为特征，则第1列为样品，第2列为组，其余列为数据。
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
论文例子
https://github.com/vqv/ggbiplot
输入 示例数据
输出

如何引用？

建议直接写网址。3600+篇google学术，3000+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 20 June 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.