如何进行PCA分析

PCA分析，指的是主成分分析，是一种无监督学习的统计分析方法。其原理是将高维数据进行降维，通过低维方式展示数据。这种分析方式也被广泛应用于物理、气象、计算机、工程等学科。对于PCA分析结果的可视化而言，一般是通过二维（平面图）或三维（3D图）的方式进行展示。

R语言是一种用于统计分析的语言，常用于各种高通量数据的分析。其中prcomp函数就被用于进行PCA分析。

本文则以R语言为例，展示如何从数据准备、PCA分析、绘图直到结果解读。

第一步，需要加载相应的R包

第二步，读取相应的文件

本脚本需要准备三个输入文件：inputfile指代数据文件；plot_args_ file指代参数文件；plot_group_file指代分组文件。各个输入文件会在下文依次介绍。完成分析后，本脚本会输出两个文件：outputfile_detail输出的是PCA分析之后的文本文件；outputfile指代输出的图片文件。

数据的准备至关重要，他决定了我们能否无bug的运行我们的脚本，得到我们的结果与图形。

示例数据即inputfile（部分）中列名表示每个样本，行名表示每个基因，大家可以参照下文准备数据。

对于有重复样本的数据而言，需要准备相应的分组数据即plot_group_file。

分组数据的第一列为源数据中样本的名称，第二列为图中需要展示的数据名称，第三列为标签文本框的颜色，第四列为每个样本点的形状，第五列为每个样本点的颜色。你可以选择第二到第五列任意一列的特征来体现你的分组情况。示例的分组数据（部分）如下文。

第三，需要对数据进行处理

第四步，从参数文件中读取相应的参数

为了在不改动源码的情况下对脚本进行操作，本作者将脚本中所需要的参数以文件的形式保存和读取。

针对本文的数据，相应的参数文件即plot_args_file设置为

第五步，设置图片保存的样式

第六步，对数据转置后进行PCA分析

PCA的结果保存在pca_summary这个对象中，这个对象包含PCA分析的所有结果。但是常规生信分析仅需要使用三个维度的数据即可，因此本文仅需要保存PC1、PC2、PC3这三者的数据。

第七步，保存PCA分析的结果，这里保存的是前三个维度成分的数据

其中write.table函数所输出的outputfile_detail文件即PCA分析的结果文件。

第八步，以分组文件为材料，添加样本的属性。

对于PCA分析之后样本排名错位的情况，通过下列函数对样本逐一添加设置好的新名、标签框填充颜色、点的样式、点的颜色。

具体的实现原则就是逐一遍历生成PCA数据的样品名，再逐一遍历我们的分组数据，如果名称一样，则将相应的分组数据重新排序，最后再合并成数据框。

第九步，绘制PCA分析结果(二维图形式)

这里会调用到一个重要的包ggrepel的geom_label_repel函数，可以整理并摆放好标签，对于PCA结果可视化（尤其是多样本的情形下）的呈现至关重要。

第十步，最终，通过上述操作，即可以生成下面的图形

如果对于生成的图片不满意，还可以通过改变上文中plot_args_file的参数对图片进行调整。

三 惯例小结

本公众号开发的相关软件，Multi-omics Hammer软件和Multi-omics Visual软件欢迎大家使用。文末是本公众号在其他平台的账户，也欢迎大家关注并多提意见。

简书：WJ的生信小院

博客园：生信小院

最后，也欢迎各位大佬能够在本平台上：1传播和讲解自己发表的论文；2：发表对某一科研领域的看法；3：想要达成的合作或者相应的招聘信息；4：展示自己以寻找博后工作或者博士就读的机会;5:博导提供博后工作或者博士攻读机会，都可以后台给笔者留言。希望本平台在进行生信知识分享的同时，能够成为生信分析者的交流平台，能够实现相应的利益互补和双赢（不一定能实现，但是梦想总得是有的吧）。