R语言绘图--PCA图

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