5.进行主成分分析 expr_pca <- prcomp(pca_data[,1:1000],scale = T,center = T) 6.可视化——碎石图 fviz_screeplot(expr_pca, addlabels = TRUE, ylim = c(0, 40)) 7.可视化——PCA图 PCA <- fviz_pca_ind(expr_pca, label = 'none', geom.ind = c('point','text'), habillage = g...
对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到的情况就是,相同表型的个体(比如疾病组)会在图中聚类在一起。 2 差异基因表达散点图---体现重复样本的重复性好不好 我们可以简单的把这张图理解为2个样本的RNAseq结果关联度散点图。X,Y轴分别是两个样本,每个点...
对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到的情况就是,相同表型的个体(比如疾病组)会在图中聚类在一起。 2 差异基因表达散点图---体现重复样本的重复性好不好 我们可以简单的把这张图理解为2个样本的RNAseq结果关联度散点图。X,Y轴分别是两个样本,每个点...
对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到的情况就是,相同表型的个体(比如疾病组)会在图中聚类在一起。 2 差异基因表达散点图---体现重复样本的重复性好不好 我们可以简单的把这张图理解为2个样本的RNAseq结果关联度散点图。X,Y轴分别是两个样本,每个点...
主成分分析图(PCA图)---用RNA测序结果体现样本聚类 主成分分析图是生信分析中最朴实无华的,因为谁都能看的懂。我们不需要操心X,Y轴的主成分到底是什么,只要明白每个样本都被一个2维坐标(X,Y)定位到了这张图上。对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到...
主成分分析图(PCA图)---用RNA测序结果体现样本聚类 主成分分析图是生信分析中最朴实无华的,因为谁都能看的懂。我们不需要操心X,Y轴的主成分到底是什么,只要明白每个样本都被一个2维坐标(X,Y)定位到了这张图上。对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到...
主成分分析图(PCA图)---用RNA测序结果体现样本聚类 主成分分析图是生信分析中最朴实无华的,因为谁都能看的懂。我们不需要操心X,Y轴的主成分到底是什么,只要明白每个样本都被一个2维坐标(X,Y)定位到了这张图上。对于基于转录组的PCA图中,如果两个样本距离越远,则说明两个样本转录组差异越大。我们最想看到...
PCA图:说明分组存在非常明显的差异; 层次聚类:也是如此,说明分组存在非常明显的差异。 如果分组在3张图里面体现不出来,实际上后续差异分析是有风险的。这个时候需要根据你自己不合格的3张图,仔细探索哪些样本是离群点,自行查询中间过程可能的问题所在,或者检查是否有其它混杂因素,都是会影响我们的差异分析结果的生物学...
RNA-seq下游分析之 PCA图_欧阳火火的博客-CSDN博客 rm(list=ls()) mydata <- read.table("C:/Users/gao/Desktop/all.id.txt",header =TRUE,quote='\t',skip = 1) smpleNames <- c('mesc_1','mesc_1','mesc_2','mesc_2','mesc_3','mesc_3','mesc_4','mesc_4','mesc_5','mesc_5...
3. 查看不同分组的聚类情况:样本hclust 图、距离热图、PCA图、差异基因热图、相关性热图 承接上节RNA-seq入门实战(三):从featureCounts与Salmon输出文件获取counts矩阵 在进行差异分析前需要进行数据检查,保证我们的下游分析是有意义的。 以下展示了样本hclust 图、距离热图、PCA图、前500差异性大的基因热图、相关性...