R語言對基因表達量數據RNA-seq做PCA分析
PCA(principal component analysis )主成分分析，可以分析樣品之間相關性，確定樣品總體上的差異，或者查看是否有批次效應等
輸入數據：
代碼部分，篩選基因也可以參照另一篇文章，而不一定是選取200個變化最大的基因，R篩選基因：
myfpkm<-read.table("All_gene_fpkm.xls",header=TRUE,comment.char="",sep = "\t",check.names=FALSE,row.names=1)
probesetvar = apply(myfpkm, 1, var) #表達變化大的基因
ord = order(probesetvar, decreasing=TRUE)[1:200] #前200個基因，或者更多
pca = prcomp(t(myfpkm[ord,]), scale=TRUE)
ss=summary(pca)
#繪圖：
plot(pca$x[,1:2],col=rep(c(1,2,3,4,1,2,3,4),each=3),pch=rep(c(16,17),each=12))
#或者3D：
library(scatterplot3d)
scatterplot3d(pca$x[,1:3],color=rep(c(1,2,3,4,1,2,3,4),each=3),pch=rep(c(16,17),each=12))
參考文獻：http://www.nature.com/articles/nprot.2009.97
更多生物信息課程：
1. 文章越來越難發？是你沒發現新思路，基因家族分析發2-4分文章簡單快速，學習鏈接：、
2. 轉錄組數據理解不深入？圖表看不懂？點擊鏈接學習深入解讀數據結果文件，學習鏈接：；
3. 轉錄組數據深入挖掘技能-WGCNA，提升你的文章檔次，學習鏈接：
4. 轉錄組數據怎么挖掘？學習鏈接：、
5.?、、
6. 生物信息入門到精通必修基礎課：、、、、、、
7. 醫學相關數據挖掘課程，不用做實驗也能發文章：、、 、、、、
8.其他，、、、
9.組學大講堂全部生物生信數據挖掘課程可點擊：
- 發表于 2018-06-04 15:21
- 閱讀 ( 20284 )
- 分類：轉錄組
