PCA（Principal Component
Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。在生物信息分析中，PCA常用于分析不同样本之间的相互关系，可以基于表达量或者SNP突变类型进行分析。

R语言是一门专门针对统计绘图等需求设计的编程语言，在R语言中，内置了PCA分析的函数prcomp。直接调用这个函数可快速针对一组数据进行PCA分析。配合ggplot2等绘图包，可以方便的生成PCA分析可视化结果。

以下是以一个真实数据集为例，为大家演示如何绘制PCA图--该数据共包含300个样品的转录本表达量数据。

读取数据

原始数据结构如下图，第一列为基因ID，第五列及以后为各个样本的表达量数据，数值以FPKM表示。

读取数据命令如下：

rawdata= read.csv( 'AllSample.genes_expression.csv',header = T)

数据清洗

原始数据中包含一些不参与分析的列，以及某些基因的表达量在所有样本中均为零，需要在分析前去除。操作代码如下：

#将第一列数据做为行名保存

row.names(rawdata) <- rawdata $Gene_ID

#删除第一列位置信息和第四列正负链的数据，并进行行列转置

tmp <- t(rawdata[,c(-1,-2,-3,-4)])

#删除在所有样本中表达量均为0的基因

cleandata <- tmp[,colSums(tmp != 0) > 0]

PCA分析

PCA分析可以直接调用内置函数prcomp，代码如下：

data.pca < -prcomp( cleandata, center= T,scale.= F)

#cleandat 为进行分析的数据集

#center 一个逻辑值，控制变量是否应该移位到零中心

#scale. 一个逻辑值，控制是否对数据进行标准化

prcomp 函数的返回值是一个特殊的对像，可以利用summary函数来查看分析的结果。

具体参数：

#Standard deviation 标准差，其平方为方差=特征值

#Proportion of Variance 方差贡献率

#Cumulative Proportion 方差累计贡献率

数据可视化

#加载ggplot软件包

library(ggplot2)

#根据PC1及PC2生成散点图，由于ggplot在绘图时只接收数据框格式的数据集，因些需要使用 as. data.frame函数来进行转换。

ggplot( as. data.frame( data.pca$x),aes(x=PC1,y=PC2)) + geom_point

图片生成：

到这呢，我们基本的PCA图形已绘制完成。下期，我们将为大家展出，如何对每一组数据设置不同的颜色，如何用图框来设置每一组内间的相互关系？更细致的修饰，我们下期见。