如何绘制三个不同组的主成分 1、2 和 3 的箱线图？答案

【问题标题】：How can I plot box-plots for principal components 1, 2 and 3 for three different groups?如何绘制三个不同组的主成分 1、2 和 3 的箱线图？
【发布时间】：2023-03-25 18:11:01
【问题描述】：

我计算了主成分分析 (PCA) 并得出了 PC1 与 PC2 的图。这显示了在比较三个疾病组（0（对照）、1（溃疡性结肠炎）和 2（克罗恩病）时）大约 14 个基因的表达变化。

我想为每组的前三个主成分绘制一个箱线图，总共产生 9 个箱线图。

计算 PCA 之前的数据矩阵具有对应于数字 0、1 或 2 的行名称。列代表不同的基因（以及相应的基因表达值）。

我使用 prcomp 计算 PCA 图（缩放和居中以及对数转换）。

这是我在 PCA 之前的矩阵快照；

    structure(c(9.11655423831332, 10.489164314825, 1.91402056531454, 
    7.15827328042159, 4.24137583841638, 8.27769344002199, 8.56104058610663, 
    10.4808234419919, 2.90978833628418, 6.23818256006594, 5.22964773531333, 
    10.7708328724305, 7.29461400089235, 11.8318994425553, 3.03424662623575, 
    8.01272738639518, 4.99017087770597, 11.5985078491858, 7.81888257764922, 
    11.9022935347989, 1.27378277405718, 7.22371591364402, 5.35032777682152, 
    11.3245694322554, 7.53493825433311, 12.3702117577478, 2.28591365299837, 
    6.3684670711928, 4.79325114470697, 11.2368359301193, 7.42400102411584, 
    10.4893608659259, 2.29357094839174, 7.39880980207098, 4.06127337845416, 
    10.064874404576, 8.23639009062635, 12.041628287702, 1.68881444318413, 
    6.83433748681479, 4.58216981866268, 10.7369117797388, 8.52022902181642, 
    11.8310518930764, 1.09698581801487, 7.01560705946119, 4.42096319700341, 
    9.55024900954538, 6.78397242802669, 10.7346656491963, 1.8562428132184, 
    6.79381714159694, 4.76311785326908, 9.2896578696716, 7.38261637784709, 
   11.8956476271189, 0.676793904156995, 7.12068629785535, 4.50969591112091, 
   10.3965680730289, 7.76024460081224, 11.4191374294463, 2.51273901194187, 
    6.49764372886188, 5.95216200154652, 8.80877686581081, 7.92745512232284, 
    9.64936710370214, 2.75037060332872, 8.32919606967059, 5.13312284319216, 
    10.0205608136955, 8.32640003009823, 10.7914139100956, 3.07554840032925, 
    7.71871340592007, 5.75595649315905, 9.71791978048218, 7.13284940508783, 
   10.9113426747693, 1.07350504928193, 6.56249247218448, 5.35574874951741, 
   9.54833175767732), .Dim = c(6L, 14L), .Dimnames = list(c("1", 
   "1", "0", "0", "2", "2"), c("Gene1", "Gene2", "Gene3", "Gene4", 
   "Gene5", "Gene6", "Gene7", "Gene8", "Gene9", "Gene10", "Gene11", 
   "Gene12", "Gene13", "Gene14")))

更新；第二个问题被删除。

主成分分析图代码如下；

   data.mat.1.pca <- prcomp(log(data.mat.1), scale.=T, center=T)

   pcvalues <- summary(data.mat.1.pca)

   #colour coding each disease group

   rownames(data.mat.1)
   colour_disease <- rownames(data.mat.1)


   position_control<- grep("0", colour_disease)
   position_UC<- grep("1", colour_disease)
   position_Crohn<- grep("2", colour_disease)

   disease <- vector()
   disease[position_control] <- "lightskyblue"
   disease[position_UC] <- "lightslategrey"
   disease[position_Crohn] <- "lightpink2"



   ##proportion of variance explained for PC1 and PC2 for plot

   eigs<- data.mat.1.pca$sdev^2


  varExplained.pc1<- round(eigs[1]/sum(eigs), digits=3)*100

  varExplained.pc2 <- round(eigs[2]/sum(eigs), digits=3)*100


  plot(data.mat.1.pca$x[,1], data.mat.1.pca$x[,2],
   col=disease, bg=disease, pch=19, cex=1,
   xlab=paste("PCA 1 (", varExplained.pc1, "%)", sep=""),
   ylab=paste("PCA 2 (", varExplained.pc2, "%)", sep=""))
  legend("bottomright", legend = c("Control", "UC", "Crohns"),                

   fill=c("lightskyblue", "lightslategrey", "lightpink2"))

前三台PC的数值如下；

                          PC1            PC2              PC3
  S.D                     3.6619        0.44801          0.30046
  Proportion of Variance  0.9578        0.01424          0.00645
  Cumulative proportion   0.9578        0.97215          0.97860

这是一篇研究论文图片的链接https://www.researchgate.net/figure/Boxplots-of-the-first-three-principal-components-of-the-kidney-data-Group-specific_fig1_316641179

他们正在比较对照与治疗，而我需要三个箱形图（每组一个）。

或者这个https://www.researchgate.net/figure/Three-dimensional-principal-component-analysis-PCA-and-b-boxplots-of-principal_fig4_307533060

【问题讨论】：

您具体指的是哪些群体？你能展示你用来做 PCA 的代码并制作你当前的情节吗？最后一段是否提出了完全不同的问题？你应该一次只问一个明确的问题。
第一个问题。将您从prcomp 获得的前 3 个组件的 PC 分数添加到您的原始数据中，您可以绘制任何您想要的箱线图组合。第二个问题有点含糊，但您可以先比较两个分析的主成分，PC1 与 PC1 等。
@MrFlick，请查找 PCA 图的更新代码。理想情况下，我试图为控制绘制一个箱线图，为 PC1、PC2 和 PC3 绘制 UC 和 Crohn 的箱线图，所以总共 9 个箱线图。
@dcarlson，请在附件中找到前三个组件的值。如果这就是你的意思？
我在谈论分数（例如data.mat.1.pca$x[,1]）。您可以按组创建这些箱线图。

标签： r boxplot pca

【解决方案1】：

绘制组件分数很奇怪，但请尝试以下方法来获得您提到的组合的点图：

df = data.frame(disease=rownames(data.mat.1),data.mat.1.pca$x[,1:3])

df %>% pivot_longer(-disease) %>%
ggplot(aes(x=name,col=disease,y=value)) + 
geom_point(position=position_jitterdodge())

与您的示例不同，我希望您每组有 2 个以上的样本。添加箱线图很简单：

df %>% pivot_longer(-disease) %>%
ggplot(aes(x=name,col=disease,y=value)) + 
geom_point(position=position_jitterdodge())+
geom_boxplot(alpha=0.7)

【讨论】：

感谢您的回复，非常有帮助。