PCA分析？Emm，快速上手与出图！

写在前面

PCA，principle component analysis，翻译为中文，即常说的主成分分析。
其为相对经典的降维算法，对具体计算逻辑感兴趣的可以Bing搜索看看。
在高通量测序数据出现之前，在生物学上，其最常用的场景是：

假定我们要对某种花的不同品种进行分类，于是进行指标测定，如花瓣长度，花瓣宽度，植株高度，叶片厚度，根部长度等。这些指标都是数量指标，我们几乎无法从某一个或者某两个指标，直接将不通品种分开，所以我们需要用上所有指标试试。但是对于高纬度，如超过三维，我们就很难处理，至少从绘图上，我们几乎无法解决，看不到的，都是虚的。于是，前人提出各种降维策略，而PCA即为最经典的线性降维。算法本质即方差拆解，去除冗余信息，在丢失尽量少信息的情况下，保留最合适的权重指标组合，亦即第一，第二，第三，第N主成分。在实际应用中，我们往往会使用前两个主成分，可以简单认为其代表了样品之间差异信息的最大部分。

以上，是植物分类相关的应用。近日，我们课题组开始整理手上已有的转录组测序样品。怎么说呢？转录组数据分析获得基因表达矩阵，对于每一个样本来说，其实基因的表达量向量即性状数据，一个基因就对应一个指标或者维度。所以，我们同样，可以直接基于表达量矩阵，对样品进行分类（【注：分类是PCA分析的最粗糙的应用，提取主成分，分析主要贡献因子才是优秀操作】）。这样，我们可以从很快判断自己的样品是否存在异常。（如果存在生物学重复的异常，那么必须分析异常是否合理，不合理则应去除，否则影响分析）。

实现一个快速完成PCA分析的工具

PCA分析，事实上，目前应是已有不少工具或者脚本可以实现。具体我并没有做太多地了解。我想，或许很多人跟我一样，主要还是使用R语言进行分析，随后可视化。编程，总是麻烦。事实上，每次我要回去翻前面写的流程代码，对我来说是一个浪费时间的事情。于是，我还是决定实现这个工具。

如何使用

首先是打开对应的功能

从功能界面可以看出，

使用示例数据进行分析，则直接点击Start

从图片来看，左侧virinica，中间主要是versicolor，右侧则明显是setosa。

灵活调整参数，达到自己的目的

对于这套数据，我们的目的是对品种进行聚类，所以Analysis On Columns是不会变的。不过我们可以不对数据进行Scale试试（一般推荐Scale，主要目的是同一量纲）。

似乎分得还可以。由于我们输入的样品较多，似乎有上百个，labels太多。但是我们也可以不看Labels。

只是，不看Labels的话，就什么都看不出来了。此时我们会选择对样品进行着色
在Excel中编辑并整理样品对应的颜色信息

第一列：样品名
第二列：点的颜色信息
第三列：Label的颜色信息（这一列为可选列）

保存成文本文件-制表符分隔，最后用于可视化。【注：示例数据，每一列代表的是一个样品，由于我们很多样品名字相同，所以只需要设置一个颜色行即可；在转录组测序数据中，则往往每个样品需要专门设立一行】。

注意到，此时我们可以明显地看到，确实不同类型被分开。不错的结果。

将labels显示，看起来也还可以....

总的来说，你可以通过设置点或者文本的颜色信息，来表示两类样品的分组信息。比如生物学重复可以作为一个分组信息，不同时间点或者处理可以是另外一个分组信息。

实际应用

在转录组测序数据分析中，我们常常会得到这样类似的一个表达矩阵

操作起来比较简单，如果你只是做个分类查看。直接全选整个矩阵，复制并黏贴到Simple PCA Analysis

点击Start

从这个图来看，生物学重复聚类较好。此时不要忘了TBtools中的图片是可以交互式调整的。我大体手动调整了下

最后，你可以Ctrl+S保存图片

写在后面

睡不着的时候，写写一些东西，总还是有用的。
不过可能是时候去写一些可以写到简历的东西了。
祝大家科研顺利！