GEO代码分析流程 - 3. 数据检查（质控） - PCA图、相关性热图

0. 准备

?

1 2 3 4

setwd("D:/R/CHOL") rm(list = ls())  load(file = "step1output.Rdata") load(file = "step2output.Rdata")

---

 1. 主成分分析图（Principal Component Analysis，PCA）

输入数据：exp（表达矩阵）和group_list（分组信息）

PCA代码来源：http://www.sthda.com/english/articles/31-principal-component-methods-in-r-practical-guide/112-pca-principal-component-analysis-essentials

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

dat=as.data.frame(t(exp)) library(FactoMineR) library(factoextra) dat.pca <- PCA(dat, graph = FALSE) pca_plot <- fviz_pca_ind(dat.pca,                          geom.ind = "point",                          col.ind = group_list,                          #palette = c("#00AFBB", "#E7B800"),                          addEllipses = TRUE,                          legend.title = "Groups" ) pca_plot ggsave(plot = pca_plot,filename = paste0(gse,"PCA.png")) save(pca_plot,file = "pca_plot.Rdata")

2. 画主成分分析图需要加载这两个包。

3. 画主成分分析图需要加载这两个包。

6. 仅显示点（但不是“文本”）（show points only (nbut not "text")）。

7. 按分组信息赋予颜色（color by groups）。

8. 如需设置非默认颜色，将此行代码的“#”去掉并修改颜色（HEX，十六进制颜色），颜色个数需与分组个数相同。

9. 浓度椭圆（Concentration ellipses）。

10. 注释标题。

13. 保存PCA图（.png格式）。

14. 保存PCA对象 。

---

2. 热图

选取热图数据

?

1 2	cg=names(tail(sort(apply(exp,1,sd)),1000)) n=exp[cg,]

1. 取表达矩阵exp中标准差最大的1000个探针的名字。

2. 取表达矩阵exp中标准差最大的1000个探针。

绘制热图

?

1 2 3 4 5 6 7 8

annotation_col=data.frame(group=group_list) rownames(annotation_col)=colnames(n) library(pheatmap) pheatmap(n,          show_colnames =F,          show_rownames = F,          annotation_col = annotation_col,          scale = "row")

1. 生成含有一列值的数据框，列名为“group”，值为分组信息（group_list）。

2. 该数据框的行名为表达矩阵exp中标准差最大的1000个探针的名字。

5. 不显示列名。

6. 不显示行名。

7. 按分组进行列注释。

8. 按行标度。

相关性热图

?

1 2 3 4

co = cor(exp) pheatmap(co) co = cor(n) pheatmap(co)

1. 选择表达矩阵exp中所有探针

2. 所有探针的相关性热图

3. 选择表达矩阵exp中标准差最大的1000个探针

4. 表达矩阵exp中标准差最大的1000个探针的相关性热图

---

 关闭画板

?

1

dev.off()

 若运行代码后不出图也不报错，可能是画板被占用，运行此行代码即可。

---