基因维度太高怎么办？无所谓！PCA降维会出手！
在RNA-seq实验中，我们通常会获得大量的基因表达数据，每个样本都包含数千个基因的表达量。这些数据非常复杂，难以直接分析和理解。而PCA（Principal Component Analysis）主成分分析可以将这些复杂的数据降维到较低的维度，并可视化成二维或三维图形，从而更好地理解数据的结构和模式。
PCA的核心是选择新的坐标系（主成分），坐标轴垂直（也就是正交，线性无关），方差足够大（为了使数据在坐标轴的投射点尽可能的广，显示出更多数据特征）
在RNA-seq中，PCA可以用于以下几个方面：
数据降维：通过PCA可以将高维的RNA-seq数据降维到较低的维度，同时保留数据的大部分变异性。这样可以减少数据的噪声和冗余信息，从而更好地展现数据的主要特征。
可视化：通过PCA可以将RNA-seq数据可视化为二维或三维图形，从而更好地理解数据的结构和模式。例如，我们可以将不同样本之间的基因表达量绘制成一个散点图，不同样本的表达模式就可以在图形中呈现出来。
数据探索：通过PCA可以发现RNA-seq数据的相关性和差异性，帮助我们发现不同样本之间的差异和共同点。例如，我们可以分析PCA图中的每个主成分，找出对差异性最大的基因，进一步研究这些基因的生物学功能和相关疾病。
我们随机生成两组模拟基因数据，并进行PCA降维。
set.seed(123)
n <- 100
mean_A <- 5sd_A <- 2mean_B <- 8
sd_B <- 2
gene_data_A <- matrix(rnorm(n * 5, mean = mean_A, sd = sd_A), nrow = 50, ncol = 10)
gene_data_B <- matrix(rnorm(n * 5, mean = mean_B, sd = sd_B), nrow = 50, ncol = 10)
gene_data <- rbind(gene_data_A, gene_data_B)
colnames(gene_data) <- paste0("Gene", 1:10)
rownames(gene_data) <- 1:nrow(gene_data)
group <- data.frame(Sample = 1:nrow(gene_data), Group = rep(c("GroupA", "GroupB"), each = 50))
可以直接使用FactoMineR 包调用PCA。FactoMineR是一个用于多元探索性数据分析和数据挖掘的R包。它为多维数据的降维、聚类和可视化提供了广泛的方法。
gene.pca <- PCA(gene_data, ncp = 2, scale.unit = TRUE, graph = FALSE)
使用PCA降维，提取贡献度最高的两个特征。
#提取样本在 PCA 前两轴中的坐标
pca_sample <- data.frame(gene.pca$ind$coord[ ,1:2])
pca_sample$Sample=row.names(pca_sample)
#提取 PCA 前两轴的贡献度
pca_eig1 <- round(gene.pca$eig[1,2], 2)
pca_eig2 <- round(gene.pca$eig[2,2],2 )
对降维结果进行可视化
pca_sample <- merge(pca_sample, group,by="Sample")
head(pca_sample)
p <- ggplot(data = pca_sample, aes(x = Dim.1, y = Dim.2))+
geom_point(aes(color = Group), size = 2) + #根据样本坐标绘制二维散点图scale_color_manual(values = c('orange', 'purple')) + #自定义颜色theme(panel.grid = element_blank(), panel.background = element_rect(color = 'black', fill = 'transparent'),
legend.key = element_rect(fill = 'transparent')) + #去除背景和网格线labs(x = paste('PCA1:', pca_eig1, '%'), y = paste('PCA2:', pca_eig2, '%'), color = '') #将 PCA 轴贡献度添加到坐标轴标题中
p
p + stat_ellipse(aes(color = Group), level = 0.95, show.legend = FALSE)
p + stat_ellipse(aes(fill = Group), geom = 'polygon', level = 0.95, alpha = 0.3, show.legend = FALSE) +
scale_fill_manual(values = c('orange', 'purple'))
这就是使用R对多维的基因数据进行PCA的过程啦，是不是非常简单！快和小云一起试试吧！
