寫在前面
PCA，principle component analysis伏蚊，翻譯為中文立轧，即常說的主成分分析。
其為相對經(jīng)典的降維算法躏吊，對具體計(jì)算邏輯感興趣的可以Bing搜索看看氛改。
在高通量測序數(shù)據(jù)出現(xiàn)之前，在生物學(xué)上比伏，其最常用的場景是：
假定我們要對某種花的不同品種進(jìn)行分類胜卤，于是進(jìn)行指標(biāo)測定，如花瓣長度赁项，花瓣寬度葛躏，植株高度澈段，葉片厚度，根部長度等舰攒。這些指標(biāo)都是數(shù)量指標(biāo)败富，我們幾乎無法從某一個或者某兩個指標(biāo)，直接將不通品種分開摩窃，所以我們需要用上所有指標(biāo)試試兽叮。但是對于高緯度，如超過三維猾愿，我們就很難處理鹦聪，至少從繪圖上，我們幾乎無法解決蒂秘，看不到的泽本，都是虛的。于是材彪，前人提出各種降維策略观挎，而PCA即為最經(jīng)典的線性降維。算法本質(zhì)即方差拆解段化，去除冗余信息嘁捷，在丟失盡量少信息的情況下，保留最合適的權(quán)重指標(biāo)組合显熏，亦即第一雄嚣，第二，第三喘蟆，第N主成分缓升。在實(shí)際應(yīng)用中，我們往往會使用前兩個主成分蕴轨，可以簡單認(rèn)為其代表了樣品之間差異信息的最大部分港谊。
以上，是植物分類相關(guān)的應(yīng)用橙弱。近日歧寺，我們課題組開始整理手上已有的轉(zhuǎn)錄組測序樣品。怎么說呢棘脐？轉(zhuǎn)錄組數(shù)據(jù)分析獲得基因表達(dá)矩陣斜筐，對于每一個樣本來說，其實(shí)基因的表達(dá)量向量即性狀數(shù)據(jù)蛀缝，一個基因就對應(yīng)一個指標(biāo)或者維度顷链。所以，我們同樣屈梁，可以直接基于表達(dá)量矩陣嗤练，對樣品進(jìn)行分類（【注：分類是PCA分析的最粗糙的應(yīng)用榛了，提取主成分，分析主要貢獻(xiàn)因子才是優(yōu)秀操作】）潭苞。這樣忽冻，我們可以從很快判斷自己的樣品是否存在異常。（如果存在生物學(xué)重復(fù)的異常此疹，那么必須分析異常是否合理僧诚，不合理則應(yīng)去除，否則影響分析）蝗碎。
實(shí)現(xiàn)一個快速完成PCA分析的工具
PCA分析湖笨，事實(shí)上，目前應(yīng)是已有不少工具或者腳本可以實(shí)現(xiàn)蹦骑。具體我并沒有做太多地了解慈省。我想，或許很多人跟我一樣眠菇，主要還是使用R語言進(jìn)行分析边败，隨后可視化。編程捎废，總是麻煩笑窜。事實(shí)上，每次我要回去翻前面寫的流程代碼登疗，對我來說是一個浪費(fèi)時間的事情排截。于是，我還是決定實(shí)現(xiàn)這個工具辐益。
如何使用
首先是打開對應(yīng)的功能
從功能界面可以看出断傲，
使用示例數(shù)據(jù)進(jìn)行分析，則直接點(diǎn)擊Start
從圖片來看智政，左側(cè)virinica认罩，中間主要是versicolor，右側(cè)則明顯是setosa续捂。
靈活調(diào)整參數(shù)垦垂，達(dá)到自己的目的
對于這套數(shù)據(jù)，我們的目的是對品種進(jìn)行聚類疾忍，所以Analysis On Columns是不會變的。不過我們可以不對數(shù)據(jù)進(jìn)行Scale試試（一般推薦Scale床三，主要目的是同一量綱）一罩。
似乎分得還可以。由于我們輸入的樣品較多撇簿，似乎有上百個聂渊，labels太多差购。但是我們也可以不看Labels。
只是汉嗽，不看Labels的話欲逃，就什么都看不出來了。此時我們會選擇對樣品進(jìn)行著色
在Excel中編輯并整理樣品對應(yīng)的顏色信息
第一列：樣品名
第二列：點(diǎn)的顏色信息
第三列：Label的顏色信息（這一列為可選列）
保存成文本文件-制表符分隔饼暑，最后用于可視化稳析。【注：示例數(shù)據(jù)弓叛，每一列代表的是一個樣品彰居，由于我們很多樣品名字相同，所以只需要設(shè)置一個顏色行即可撰筷；在轉(zhuǎn)錄組測序數(shù)據(jù)中陈惰，則往往每個樣品需要專門設(shè)立一行】。
注意到毕籽，此時我們可以明顯地看到抬闯，確實(shí)不同類型被分開。不錯的結(jié)果关筒。
將labels顯示溶握，看起來也還可以....
總的來說，你可以通過設(shè)置點(diǎn)或者文本的顏色信息平委，來表示兩類樣品的分組信息奈虾。比如生物學(xué)重復(fù)可以作為一個分組信息，不同時間點(diǎn)或者處理可以是另外一個分組信息廉赔。
實(shí)際應(yīng)用
在轉(zhuǎn)錄組測序數(shù)據(jù)分析中肉微，我們常常會得到這樣類似的一個表達(dá)矩陣
操作起來比較簡單，如果你只是做個分類查看蜡塌。直接全選整個矩陣碉纳，復(fù)制并黏貼到Simple PCA Analysis
點(diǎn)擊Start
從這個圖來看，生物學(xué)重復(fù)聚類較好馏艾。此時不要忘了TBtools中的圖片是可以交互式調(diào)整的劳曹。我大體手動調(diào)整了下
最后，你可以
Ctrl+S保存圖片
寫在后面
睡不著的時候琅摩，寫寫一些東西铁孵，總還是有用的。
不過可能是時候去寫一些可以寫到簡歷的東西了房资。
祝大家科研順利蜕劝！
