读文献先读图——主成分分析 PCA 图
上周五彩斑斓的气泡图
有让你眼花缭乱吗?
本周,化繁为简的PCA图
你值得拥有!
数据分析| 科研制图﹒PCA 图
关键词:主成分分析、降维
![29d7b538-4319-4215-b488-649c39dd6335.png](https://oscimg.oschina.net/oscnet/29d7b538-4319-4215-b488-649c39dd6335.png)
1665 年的鼠疫
牛顿停课在家提出了万有引力 ;
1830 年的霍乱,普希金居家深造
写出了 300 多首抒情诗和几部小说 ;
2020 年的新冠,若谷也没闲着
嘿嘿嘿,是不是很好奇我在干嘛?
就不告诉你
![9509476e-516a-46e5-b443-cb198205dd05.png](https://oscimg.oschina.net/oscnet/9509476e-516a-46e5-b443-cb198205dd05.png)
好想快点开学啊啊啊啊啊啊 | 图源新医谷
若谷的假期,早被谷老安排上了!那就是研究文献中的各种图!最让我走火入魔的便是— PCA 图。
![03e2442f-9b44-428a-bd48-6d989872c960.jpg](https://oscimg.oschina.net/oscnet/03e2442f-9b44-428a-bd48-6d989872c960.jpg)
最传统的PCA图 | 图源新医谷
初识 PCA
关于 PCA,你第一眼想到的是什么?
是解剖里面的
Posterior Cerebral Artery(大脑后动脉)?
还是高大上的
Patient Controlled Analgesia(病人自控镇痛)?
![dfb7934b-d319-41ad-ad94-0a7be15d3e1f.png](https://oscimg.oschina.net/oscnet/dfb7934b-d319-41ad-ad94-0a7be15d3e1f.png)
都不是,今天若谷给大家讲的是
Principal Component Analysis
主成分分析
是不是听起来就一脸懵,下面就让我们来看看PCA是何方神圣!
01
降维?
主成分分析的字面意思就是用主成分来分析数据呗!阔是,什么是主成分?这就不得不聊一个关于“降维”的故事了。
从前有座山,山上有座庙,庙里有个……
呸呸呸,拿错剧本了
应该是“学医要考研,考研要复试,复试要…要…要…复试不仅让考生心痛更让导师眼花缭乱。”这不,A导就纠结着到底选5个复试学生里的哪一个来当自己的关门弟子?
A导最终决定用数据说话!设置了“绩点,考研分数,科研能力,笔试成绩,面试表现,英语水平,奖学金,学科竞赛,部门任职”9个指标(相当于从9个维度去评价这5位考生)。
![844abc5d-7e03-4b6a-852c-d5351987dc8f.png](https://oscimg.oschina.net/oscnet/844abc5d-7e03-4b6a-852c-d5351987dc8f.png)
想读个书不容易 | 图源新医谷
9个指标=9个变量=9个维度
那用图表示得来个九维空间?
![2cd5532e-fc9b-4033-beb2-98c5be1f4a66.png](https://oscimg.oschina.net/oscnet/2cd5532e-fc9b-4033-beb2-98c5be1f4a66.png)
我的三维大脑是搞不定的 | 图源新医谷
看来9维是不行了,那怎么把维度降低,用简单的方法表示复杂的数据分析?
当然是用降维了!降维是通过减少数据中的指标(或变量)以化简数据的过程。这里的减少指标,并不是随意加减,而是用复杂的数理知识,得到几个“综合指标”来代表整个数据。
PS:降维的原理涉及复杂数理知识且大多由计算机完成,感兴趣的小伙伴可在留言区评论“PCA降维原理”了解更多!
那么问题来了!这个“综合指标”是什么?为什么它们就可以代表整个数据?
![20e7194e-b4b6-428b-8788-38026310ea8e.png](https://oscimg.oschina.net/oscnet/20e7194e-b4b6-428b-8788-38026310ea8e.png)
图源新医谷
02
Why
主成分?
综合指标=主成分
你没有看错,这个综合指标就是我们今天的重点:主成分。它不是原来的指标中的任何一个,而是由所有原有指标数据线性组合而来。
比如A导的故事中的主成分就可这样表示:
![471cbbb7-5f1f-4859-926f-8b6b0974f3fe.png](https://oscimg.oschina.net/oscnet/471cbbb7-5f1f-4859-926f-8b6b0974f3fe.png)
PCA主成分 | 图源新医谷
认识了“主成分”以后,PCA的概念就很容易理解了!
PCA——就是以“降维”为核心,把多指标的数据用少数几个综合指标(主成分)替代,还原数据最本质特征的数据处理方式。
可是,主成分为什么拽到可以代替所有数据?(上一次的小提琴图不还为了保留每个数据而爬山跨海?)
认真看看可以发现部分指标其实是相互关联的!(比如奖学金也可以反映绩点情况),这就会造成数据冗余。而降维就可以帮助我们去除这些指标中重叠、多余的信息,把数据最本质和关键的信息提取出来。
A导终于可以一眼就区分这5位考生的水平并“理智”地做出选择了!
![bafbf742-6a70-4c7a-bd43-9e470d35de07.png](https://oscimg.oschina.net/oscnet/bafbf742-6a70-4c7a-bd43-9e470d35de07.png)
决定还有没有书读的图 | 图源新医谷
A导可是只有5位考生,9个指标而已!在我们医学中!那可是上千的样本量,上万的基因数据......
![844abc5d-7e03-4b6a-852c-d5351987dc8f.png](https://oscimg.oschina.net/oscnet/844abc5d-7e03-4b6a-852c-d5351987dc8f.png)
再次吐血 | 图源新医谷
在医学领域中,我们可以用PCA图来进行疾病危险因素分析,肠道菌群聚类分析,推断肿瘤亚群之间的进化关系......还用它来观察样本的分组、趋势、剔除异常数据。
所以PCA图在文献中出现率还是蛮高的!!!不过遇到它我们怎么看?
深入了解PCA
壮士!先收下这份“PCA识图秘籍”
识图秘籍
样本点连线距离长 =样本之间差异性大
样本点连线距离短 =样本之间差异性小
![1fde17c9-9888-4d1c-b816-6b86eead4282.jpg](https://oscimg.oschina.net/oscnet/1fde17c9-9888-4d1c-b816-6b86eead4282.jpg)
通过主成分分析方法(PCA)分析9种食物的蛋白质消耗量(变量)与25个欧洲国家(样本)之间的关系 | 图源新医谷
由图可得,大部分欧洲国家蛋白摄入习惯是:吃鸡蛋、红肉(猪牛羊等畜肉)、白肉(禽、鱼肉及水产品),喝牛奶。
![5b67e070-a786-4d19-aecc-62980cceb0d9.png](https://oscimg.oschina.net/oscnet/5b67e070-a786-4d19-aecc-62980cceb0d9.png)
迷茫的打出三个问号 | 图源新医谷
详细的解析来了!
1、各样本点连线的距离:体现各国家蛋白摄入习惯的相似性。
2、主成分与原变量之间的关系:箭头对应的原始变量在投影到水平和垂直方向上后的值,可以分别体现该变量与PC1和PC2的相关性(正负相关性及其大小)(例如,Eggs对PC1具有较大的贡献,而Nuts则与PC1之间呈较大的负相关性)。
3、样本点和箭头之间的距离:反映样本与原始变量的关系。(对于图中用蓝色粗箭头所指的样本点而言,该国的蛋白质来源主要为Fruits and Vegetables)。
![59bd8ca5-a6cf-4763-a074-e722441c94f3.png](https://oscimg.oschina.net/oscnet/59bd8ca5-a6cf-4763-a074-e722441c94f3.png)
图源新医谷
怎么样?有没有一种豁然开朗的感觉?
什么?还是懵?
没关系,继续看例子
![7682a9cb-96ca-42ea-b12a-de3bb6f7b6c9.jpg](https://oscimg.oschina.net/oscnet/7682a9cb-96ca-42ea-b12a-de3bb6f7b6c9.jpg)
![96fd9073-bb7f-4b95-b8fb-502031112927.jpg](https://oscimg.oschina.net/oscnet/96fd9073-bb7f-4b95-b8fb-502031112927.jpg)
![bb6d9695-43ce-41f0-b468-92ec3674ff91.jpg](https://oscimg.oschina.net/oscnet/bb6d9695-43ce-41f0-b468-92ec3674ff91.jpg)
滑动查看更多例子 | 图源新医谷
不过这还没完哦!
大家都是有追求医学生,要有追求~
我们不仅要会读,还要会画!
PCA图怎么画
接下来若谷就用上面读图用到的“25个国家消耗的蛋白质的9种食物来源”的例子所对应的数据来教大家用Origin2020绘制PCA图~(该数据集来自Origin2020示例文件)
![7f7c663d-050e-45da-abd4-685987cd8a8d.png](https://oscimg.oschina.net/oscnet/7f7c663d-050e-45da-abd4-685987cd8a8d.png)
![d1d0a09d-2bfb-44db-91c8-dfa304f1208e.png](https://oscimg.oschina.net/oscnet/d1d0a09d-2bfb-44db-91c8-dfa304f1208e.png)
![95bea8c6-d170-49ff-a7cc-49b134fa90c6.png](https://oscimg.oschina.net/oscnet/95bea8c6-d170-49ff-a7cc-49b134fa90c6.png)
![f7c4ca9d-bc7b-46a2-aa90-181293cb7510.png](https://oscimg.oschina.net/oscnet/f7c4ca9d-bc7b-46a2-aa90-181293cb7510.png)
![9b43344b-bb1c-41bd-94ff-91e25045406a.png](https://oscimg.oschina.net/oscnet/9b43344b-bb1c-41bd-94ff-91e25045406a.png)
![b51c6d7f-d2d0-4ef2-b110-28bb6879c069.png](https://oscimg.oschina.net/oscnet/b51c6d7f-d2d0-4ef2-b110-28bb6879c069.png)
滑动打开新世界的大门
大家都学会了吗?
眼睛会了可不算哦~
答应若谷,一定要亲自动手去试试
相信你一定会画得比若谷的漂亮~
小试牛刀
耐不住性子想要自己亲自试试了吧?那若谷就来考考大家,从下面这幅图你能看出什么呢?
![6ba60b73-376f-4124-befb-94491b32a47f.png](https://oscimg.oschina.net/oscnet/6ba60b73-376f-4124-befb-94491b32a47f.png)
仔细看图中颜色,若谷快要变成色盲了
点击空白处查看答案
图一将牦牛与中国土著品种牛区分开。
图二根据地理背景来区分中国本土牛的品种,图中西北部的牛主要位于虚线以下,南方的牛位于虚线以上,而中部混合型牛位于虚线附近。
点击 关键词 查看更多
科研资源丨您有一份科研资源清单,请签收!
科研识图丨读文献先读懂图——生存分析曲线图
科研识图丨读文献先读图——文献中最热的热图怎么看
科研制图 | 读文献先读图——火山图
科研制图 | 读文献先读图——小提琴图
科研制图 | 读文献先读图——气泡图
JUN
28
本次读图大赛到此结束,下一期讲什么(⊙o⊙)?
![38389db3-09fc-4eb8-b57f-027ae8d4262f.jpg](https://oscimg.oschina.net/oscnet/38389db3-09fc-4eb8-b57f-027ae8d4262f.jpg)
很懂行的谷友,投稿福利安排上 | 图源新医谷
![3383c5ef-2abb-4b87-bd10-4d55abc35e79.png](https://oscimg.oschina.net/oscnet/3383c5ef-2abb-4b87-bd10-4d55abc35e79.png)
作者:X-Land启思科研组
配图:X-Land漫说医学组
排版:读懂了PCA的若谷
参考文献
[1]Yaran Zhang,Population Structure and Selection Signatures Underlying High-Altitude Adaptation Inferred From Genome Wide Copy Number Variations in Chinese Indigenous Cattle,Frontiers in Genetics,2020
[2]叶卫平.Origin9.1【M】.北京:机械工业出版社,2015:345-349
[3]Nagel T,Klaus F et al. Fast and facile analysis of glycosylation and phosphorylation of fibrinogen from human plasma—correlation with liver cancer and liver cirrhosis 【J】. Analytical and Bioanalytical Chemistry,2018.
[4]Wanxin Liu et al.Study of the Relationship between Microbiome and Colorectal Cancer Susceptibility Using 16S rRNA Sequencing[J]BioMed Research International,2019.
![4edc0db5-0187-408d-9583-299be3003e46.png](https://oscimg.oschina.net/oscnet/4edc0db5-0187-408d-9583-299be3003e46.png)
本文分享自微信公众号 - 生信科技爱好者(bioitee)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。