Principal component analysis (PCA) 分析 主成分分析(PCA)帮助我们归纳总结和可视化数据集中的信息,这些数据包含由多个相互关联的变量描述的个体 / 观察主成分分析。 可以将每个变量视为不同的维度。 但如果您的数据集中有3个以上的变量,那么很难在多维超空间可视化。
样本相关性 相关性分析correlationR语言的cor函数,可以计算变量之间的相关系数 #计算距离 sample_cor <- cor(gene_exp) sample_cor1 <- round(sample_cor, digits = 2) #画图 library(pheatmap) pheatmap(sample_cor1, display_numbers = T,fontsize = 10, angle_col = 45) 聚类树状图 sample_dist <-...
ChIP-seq | ATAC-seq | RNA-seq | 数据分析流程 2019-12-10 09:57 −补充RNA-seq流程 以前都是自己搭RNA-seq流程,虽然可以完成任务,但是数据量一多,批次多起来,就非常难管理。 既然别人提供了这么好的流程,那就要用起来,管理起来不是一般的轻松。 ENCODE-DCC/rna-seq-pipeline 安装比较麻烦,没有针对local...
样本相关性 相关性分析correlation R语言的cor函数,可以计算变量之间的相关系数 #计算距离 sample_cor <- cor(gene_exp) sample_cor1 <- round(sample_cor, digits = 2) #画图 library(pheatmap) pheatmap(sample_cor1, display_numbers = T,fontsize = 10, angle_col = 45) ...