一招教你学会生信分析的“降维打击”!看到就是学到!
发布网友
发布时间：2024-12-11 21:51
共1个回答
热心网友
时间：2024-12-12 00:52
大家好，上期细胞毒IC50图的学习大家掌握了吗？本期将为大家分享如何使用仙桃学术工具绘制PCA和UMAP图。
基本概念：PCA是主成分分析，用于数据降维。它从高维数据中提取特征向量，转换为低维数据，并用二维或三维图展示这些特征。UMAP也是一种数据降维和可视化方法，通过优化高维数据，在低维度中寻找类似的图来表征差异。
应用场景：PCA可以用于查看数据特征情况，如高通量数据中样本间聚类的分布情况。UMAP用于查看数据集表达谱中样本间的差异。
主要结果：PCA和UMAP的典型结果都是点图。
数据要求：PCA文件不能大于50M，列数最多500列，行数最多50000，仅支持csv或text格式。UMAP目前使用云端数据，与历史记录中的数据集分析后的数据记录保持一致。
实战演练：以下是一篇2021年8月发表在“Computational and Structural Biotechnology Journal”上的文章，题为“The molecular feature of macrophages in tumor immune microenvironment of glioma patients”。使用仙桃学术工具进行复现，包括上传数据、绘图和保存结果。
期刊简介：仙桃学术（xiantao.love）
表格复现：进入仙桃学术，点击【生信工具】，选择【高级版】→【立即使用】→【基础绘图】→【PCA图】上传数据。UMAP图绘制目前只针对云端数据，与历史记录中的数据集分析后的数据记录保持一致。
希望本期内容对大家的科研工作有所帮助，下期再见~
