科研代码分享|用R语言对表达谱样本做PCA分析
科研有捷径，输入代码，一键获取科研成果！就是这么省事，来具体看下有多方便！
搜索http://985.so/a9kb查看全部代码（目前共计50+持续新增中），也可以点击右侧【目录】，可以看到更多有趣的代码
真香提示：文末可以知道如何获取代码~
主成分分析（Principal component analysis, PCA）是一种数学算法，它可以在减少数据维度的同时，保留数据集中绝大多数的变量[1]。
PCA通过对主成分进行辨别，找出一个方向，并沿此方向分布的数据为最大值，从而减少数据维度。通过采用这样的主成分，便可以只选用若干变量而不是上千的变量来对一种样品进行分析了。
这样，就可以将样品有关变量绘制成图，使得样品间的相似性和相异之处一目了然，对不同样品是否可以归为一组，也一清二楚。这里我们主要解析如何利用R语言，基于表达谱中基因的表达值做PCA分析，并输出三维的PCA结果图。
1. 在线安装并加载rgl包
source("http://bioconductor.org/biocLite.R")
biocLite(“rgl”)
library(rgl)
2. 输入表达谱数据（示例以一组随意获得的表达谱中的表达谱值为例）
A=read.table("e:/diff-exp-zhuan.txt",header=T)
#输入表达谱数据，注意这里基因数目一定不能少于样本数目B=as.data.frame(scale(A[2:21]))
#指定参与做PCA分析的数据
3. 用之前指定的数据做PCA分析
pca <- prcomp(B)
summary(pca)
结果：将组成成分的信息均展示出：
4. 画出前三个PC为轴的PCA三维图（此处可根据研究目的等需求来选取需要的PC来指定根据哪三个PC来画图）
colour<-c(rep("gray",10),rep("orange",10))
plot3d(pca$x[,1:3],col=colour,type="s",radius=0.35,font.lab=2)
此图在R上画出后，可以根据最后输出图形的角度，用单击鼠标左键的方式在页面上进行旋转，得到不同视觉角度的图。
这样，根据输入的基因的表达值的PCA分析与PCA立体结果图就完成了，很简单吧？赶快试试。
搜索http://985.so/a9kb查看全部代码（目前共计50+持续新增中），也可以点击右侧【目录】，可以看到更多有趣的代码
