R语言作图之PCA作图和散点图

PCA 分析和散点图分析和散点图 今天主要跟大家演示一下简单的 PCA 分析 并且以散点图的形式将结果展示出 来 首先在进行 PCA 分析之前 先跟大家稍微讨论下什么是 PCA 分析 PCA 分析 又叫主成分分析 其实从字面上来理解我们可以发现它其实是和样品分组相关的 举个简单的例子 我们观察了某种植物的株高 叶片大小 果实大小等等多种性状 并记录每种性状对应的数值 这时候我们想看看根据这些性状信息看看我们观察的 样本是否明显的分组现象 每一种性状相当于一个维度 利用 PCA 分析可以将结 果投影到一个低维的向量空间 具体计算就不详述了 类似的比如我们多个样本 的表达谱数据 每个基因在各个样品的表达情况就可以算作一个维度 如果大家 对 PCA 算法感兴趣的话 可以自行百度 在这里就不进行太多的描述了 毕竟今 天主要是教大家怎么利用 R 进行 PCA 分析和结果展示 还是第一步 我们先准备 好我们用来分析的数据 setwd C Users gaom Desktop 打开文件所在路径 并将文件所在目录作为工作目 录 data read table file test data txt header T sep t 读取数据 并将首行作为列名 dim data 1 2999 13 head data ID REF T01 T02 T03 T04 T05 T06 1 1007 s at 10 198586 11 805676 10 867953 11 763660 12 072232 12 108312 2 1053 at 9 594074 8 713108 9 247096 9 433265 9 092329 9 005518 3 117 at 8 581763 8 603680 8 804425 8 661700 8 634979 8 606976 4 121 at 12 022315 12 655329 12 627334 12 791390 12 961761 12 885307 5 1255 g at 7 228569 7 214600 7 237131 7 293417 7 276799 7 268233 6 1294 at 8 828487 9 380277 9 297989 8 858985 8 995772 9 126825 T07 T08 T09 T10 T11 T12 1 10 646868 10 852744 10 675898 11 137663 10 796737 11 102408 2 9 087681 9 027208 8 965283 8 958309 9 275010 8 940965 3 8 625838 8 577244 8 646751 8 625843 8 625164 8 522129 4 13 402044 13 240126 13 088883 13 234099 13 382903 13 472223 5 7 197440 7 262662 7 289796 7 232249 7 202364 7 306229 6 9 002385 9 003561 9 006278 9 006721 9 018183 9 164313 上述数据为从 GEO 数据库随意找的基因表达 其中第一列为基因探针号 后 续几列则为 T01 到 T12 的 12 个样品对应的表达量数据 每三个样品为一组 因 为数据是拼凑的 所以这里不关注探针具体信息了 准备好数据之后我们就开始进行 PCA 计算了 其实代码非常简单 pca prcomp t data 1 scale T head pca x PC1 PC2 PC3 PC4 PC5 PC 6 T01 43 457435 44 950031 8 305571 3 210563 7 4280481 14 81815 0 T02 42 067255 19 142248 25 574041 21 120294 5 7930990 14 70292 2 T03 2 123455 21 512488 11 192474 17 583006 15 2149034 34 73030 8 T04 8 166077 4 774814 22 837578 11 364128 8 4021038 6 92173 8 T05 18 214073 5 836807 18 522768 10 941626 0 6183613 5 54884 5 T06 27 219529 5 519328 26 649872 11 054961 4 1480413 5 09771 5 PC7 PC8 PC9 PC10 PC11 P C12 T01 1 966342 9 2181269 1 520882 1 060835 3 048498 2 731227e 13 T02 5 832197 8 9793018 9 386187 1 668761 1 705474 2 674666e 13 T03 5 168168 9 7483411 11 570320 2 618203 4 221456 2 738955e 13 T04 27 782986 7 5829007 9 726761 3 391763 21 900485 2 730871e 13 T05 7 039535 8 9173716 2 239005 17 514433 29 700906 2 736544e 13 T06 30 026232 0 8253129 5 207037 12 349414 8 900676 2 681674e 13 summary pca Importance of components PC1 PC2 PC3 PC4 PC5 PC6 Standard deviation 21 9980 21 7992 18 5932 16 67518 16 1346 15 16897 Proportion of Variance 0 1614 0 1585 0 1153 0 09272 0 0868 0 07672 Cumulative Proportion 0 1614 0 3198 0 4351 0 52780 0 6146 0 69133 PC7 PC8 PC9 PC10 PC11 Standard deviation 14 48695 14 01978 13 4814 13 09112 12 8896 Proportion of Variance 0 06998 0 06554 0 0606 0 05714 0 0554 Cumulative Proportion 0 76131 0 82685 0 8875 0 94460 1 0000 PC12 Standard deviation 2 859e 13 Proportion of Variance 0 000e 00 Cumulative Proportion 1 000e 00 上述数据中 pca x 就是后面我们画 pca 图要用的数据 而在 summary pca 中我们看到的 Proportion of Variance 就是各个主成分的方差占所有方差的比值 即对应的贡献率 而 Cumulative Proportion 则对应的百分比累积值 从上述结果 看这组数据 pca 结果并不是很好 所以应该肯定会有一些分组的结果不太好 不过 我们今天主要是展示结果 就不在意这些细节了 做完上述的计算 下面就进入 我们的结果展示阶段 首先用基本画图函数展示 plot pca x 1 2 group factor c rep A1 3 rep A2 3 rep B1 3 rep B2 3 这里我们添加分组信息 colour group rainbow length unique group 利用rainbow函数选择颜色 colour colour group as numeric factor group 创建颜色向量 colour 1 FF0000FF FF0000FF FF0000FF 80FF00FF 80FF00FF 6 80FF00FF 00FFFFFF 00FFFFFF 00FFFFFF 8000FFFF 11 8000FFFF 8000FFFF plot pca x 1 2 col colour pch c 21 22 23 24 group 在plot函数 中我们把分组信息和颜色方案添加进去 legend topleft legend levels group col colour group pch c 21 22 23 24 添加legend title test 这是我们用基本函数对 pca 分析结果的展示 除此外我们也可以利用 ggplot2 包进行相同的图片绘制 示例如下 library ggplot2 group2 data frame group pca reuslt as data frame pca x pca reuslt cbind pca reuslt group2 p ggplot pca reuslt geom point aes x pca reuslt 1 y pca reuslt 2 color pca reuslt group shape pca reuslt group size 5 p p theme legend title element blank labs x PCA1 y PCA2 p 好了 上面那些基本的结果展示我们已经结束了 下面我们开始把这个图的档 次再提高一点 比如 我们画了二维的 现在我们画个三维的 PCA 结果吧 library scatterplot3d par mar c 5 1 4 1 4 1 8 1 xpd TRUE scatterplot3d pca reuslt 1 3 pch 20 color colour angle 45 main test 3D cex symbols 2 mar c 5 1 4 1 4 1 8 1 legend right legend group col colour pch 20 bg white xpd TRUE inset 0 5 设置位置为right后 可以用inset来移 到legend位置 除此之外 我们可以考虑把相同的组进行一个圈定 方便我们更好的观察结果 library ggfortify 使用这个包时可能要注意R