R语言绘图PCA分析和散点图

R语言绘图PCA分析和散点图 PCA分析和散点图 gaom 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$x) ## PC1 PC2 PC3 PC4 PC5 PC6 ## T01 -43.457435 -44.950031 8.305571 3.210563 -7.4280481 14.818150 ## T02 42.067255 -19.142248 -25.574041 21.120294 -5.7930990 14.702922 ## T03 -2.123455 -21.512488 -11.192474 17.583006 15.2149034 -34.730308 ## T04 8.166077 -4.774814 22.837578 -11.364128 8.4021038 -6.921738 ## T05 18.214073 -5.836807 18.522768 -10.941626 -0.6183613 -5.548845 ## T06 27.219529 -5.519328 26.649872 -11.054961 -4.1480413 5.097715 ## PC7 PC8 PC9 PC10 PC11 PC12 ## T01 -1.966342 9.2181269 -1.520882 -1.060835 3.048498 2.731227e-13 ## T02 5.832197 8.9793018 9.386187 1.668761 1.705474 2.674666e-13 ## T03 -5.168168 -9.7483411 -11.570320 2.618203 -4.221456 2.738955e-13 ## T04 27.782986 7.5829007 9.726761 -3.391763 -21.900485 2.730871e-13 ## T05 7.039535 -8.9173716 -2.239005 -17.514433 29.700906 2.736544e-13 ## T06 -30.026232 -0.8253129 -5.207037 12.349414 -8.900676 2.681674e-13 summary(pca) ## Importance of components: ## PC1 PC2 PC3 PC4 PC5 PC6 ## Standard deviation 21.9980 21.7992 18.5932 16.67518 16.1346 15.16897 ## Proportion of Variance 0.1614 0.1585 0.1153 0.09272 0.0868 0.0 7672 ## Cumulative Proportion 0.1614 0.3198 0.4351 0.52780 0.6146 0.6 9133 ## PC7 PC8 PC9 PC10 PC11 ## Standard deviation 14.48695 14.01978 13.4814 13.09112 12.8896 ## Proportion of Variance 0.06998 0.06554 0.0606 0.05714 0.0554 ## Cumulative Proportion 0.76131 0.82685 0.8875 0.94460 1.0000 ## PC12 ## Standard deviation 2.859e-13 ## Proportion of Variance 0.000e+00 ## Cumulative Proportion 1.000e+00 上述数据中，pca$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的版本，我刚开始用较老的版本就用 不了这个包。 data2<-cbind(t(data[,-1]),group2) autoplot(pca,data = data2,colour = 'group',label = TRUE,frame = TRUE) 这次的数据只有12个样品，所以点太少了。如果点比较多的话，还可以在 autoplot函数中加上frame.type = 'norm'，这样就变成用椭圆形把分组的点圈起来 了。 大家也可以通过ggfortity包的说明发现更多有趣的使用方法。