当咱们做完基因、RNA等芯片以后通常会拿到一组尤其恐怖的数据，几百个基因几×几十个样本，这时候候我想看这些基因的表达差异是不是影响到样本的散布。可是有这么多基因，它们各自确定都有影响，一个个看是否很不现实。
比如这个模样，甲基化芯片检测了416个位点的甲基化程度，看不一样本间是不是有差异。一共132个样本，分两组。文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
这固然只展现了一很小的部份。文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
每一个样本由416个位点来描写，也就是416个变量，或叫416个维度。我们生活的空间是3维的啊，如果要精确描写这132个样本的位置，就是建一个416维的空间把它们定位，这是很不现实的。所以要对它进行降维处理以后再察看。文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
主成份分析（PCA）就是经常使用的一种降维办法，提掏出这么多变量中对样本影响最大的成份。但它不是挑拣出某几个变量，而是依据它们的方差贡献，经由线性变换，得到新的变量，即“主成份”。文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
但再细心察看，你会发现这表格的坑至关多，从代测公司拿回来就这样。我拉展开示变量名称的那几列，都只是在用不同的参数描写一个样本！文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
小数点前面是样本编号；小数点后面的Signal A是非甲基化等位基因密度（U），Signal B是甲基化等位基因密度（M），Beta值即甲基化水平值，Beta = M / (M+U+100)，而Intensity就是Signal A + Signal B。文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
况且，它这样样本为行甲基化位点为列，做出来的PCA其实反映的是样本对不同位点甲基化水平的影响，这跟咱们的钻研目的是相反的，所以要把它倒过来。文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
你再细心找找说不定还出缺失值，也有可能等你做了一半才发现，这都是惨然的现实。文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
你已经能想到处理它要有多头痛了。不但要提取每一个样本的beta值那一列，还要把它的行以及列翻转过来^0.0^我知道大家毕竟医学出生，对R语言代码有点怵，但若表格简单一点、范围小一点，用SPSS也能够简单完成，但面对如斯严酷的事实，我们还是硬着头皮敲代码吧。其实做下来也不是那么难。文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
数据预处理文章源自微观生活（93wg.com）微观生活-https://93wg.com/23276.html
先检查一下缺失值，还都是beta值（唉不能不倒回来处理）。在Excel中打开表格，全选，Ctrl+G，在弹出的对话框中点定位前提，查找空值：
肯定以后会自动选中缺失值的单元格，咱们随意填个色彩标注出来。处理缺失值的一般办法，可以删除了那个样本，或者以均值或中值填充。但既然在本案例中咱们知道它的含意，而且有前提算出来，那我还是计算一下吧。
找到一个填了色彩的空值，在其中按Excel格式输入公式，使其相符beta值的计算办法，比如D82的空值就应当输入“=F82/（E82+F82+100）”，然后选中该单元格并Ctrl+C，维持它被选中有虚线缭绕的状况。
然后再做一次找空值的操作，这回可以全选表格来查找，也能够只选中有数据的表格（由于后面有几列是跟PCA无关的内容）。找到空值以后Ctrl+V，就把刚才的公式填上了。这样就能够导入RStudio。
下面，书写的格式，就按R中的习惯吧，“
rm(list = ls)
setwd(\"D:/PCA\")
library(pca3d)
library(rgl)
library(readxl)
Raw <- read_excel(\"Raw.xlsx\", sheet = \"Tissues\")
这样就能够在Environment选项卡中看到这个超大的表格。之后操作进程中可以随时察看这个选项卡中添加了哪些元素。
num <- seq(from = 4, to = 663, by = 5)
Data <- Raw[,num]
DataRev <- t(Data)
Group <- c(rep(\'Ca\',66), rep(\'NA\',66))
DataRevG <- data.frame(DataRev, Group = Group)
到这里，筹备工作才做完。
PCA运算及绘图
DataRevG_sub <- subset(DataRevG, select = -Group)
DataRevG.pca <- prcomp(DataRevG_sub, scale. = TRUE)
Pca.sum <- su妹妹ary(DataRevG.pca)
Importance <- data.frame(Pca.sum$importance)
PC1是第一个主成份（Principal Component），它的贡献率是30.51%，PC2贡献了8.95%，二者积累39.46%，依此累推。这就抉择咱们选取几个主成份来察看样本。一般来讲，选取积累贡献率达到80%-90%的前几个，有时候2个就知足了，可以做个二维图，不行就三维。
但本例中有点意外，前3个PC贡献率并无那么高，说明影响较大的主成份比较多。这时候可以画个碎石图来察看主成份的散布规律。
screeplot(DataRevG.pca, type = \'line\', lwd = 2)
这样看来，第三个主成份以后，方差贡献趋于平缓，那咱们还是选取前三个来作图分析。
open3d
par3d(windowRect = c(100, 100, 612, 612))
pca3d(DataRevG.pca, components = 1:3, group = DataRevG$Group, col = c(\'Ca\' = \'light blue\', \'NA\' = \'yellow\'), show.axes = T, show.axe.titles = F, shape = \'sphere\', show.plane = F)
axes3d(edges = \'bbox\', labels = T, box = F)
legend3d(\"topright\", legend = c(\'Ca\',\'NA\'), col = c(\'light blue\',\'yellow\'), pch = 16, cex = 1, inset = c(0.02))
rgl.postscript(\'Example.eps\', fmt = \'eps\', drawText = T)
就这样做好了。
以上就是微观生活（93wg.com）关于“怎么样把繁杂的数据变简单？用R语言做主成份分析呗”的详细内容，希望对大家有所帮助！
评论