用前必读
1，使用excel存储并调整数据，数据不要有空的单元格
2，先用输入框下方的“输入检查”按钮检查输入，通过后再作图
3，表头请勿使用#，<，>，%，(，)等特殊符号。默认仅支持英文字符
4，出图后用inkscape或acrobat illustrator修改pdf文字、字体，图例，处理截断
5，生信项目合作，提交bug、发文引用换积分，请加管理员微信（右下）

人工客服   基因名转换   FC,P转换   智能配色   需求及bug提交   pdf转图片
必需输入
注：1）缺失值用NA代替，但是不能为空，程序自动impute
2）若行名有重复，使用合并工具预处理后再绘图
3）样品名，组名不能带特殊符号，例如空格，#，括号，引号等
4）不要用纯数字作为样品名或组名
5）代谢的请将代谢名改成s1,...,sn（名字太乱不好处理）
数据较少（拷贝，粘贴）

数据较多（1-50MB），请上传制表符（tab）分隔的TXT文件

可选输入
图片大小
图片宽度：；图片高度：

文字及字体大小
点大小：；
轴说明文字字体大小：
轴刻度数字字体大小：
图例标题：
图例标题字体大小：
图例文字字体大小：

颜色（6种自定义，6+种系统默认）
颜色集
自定义

颜色1-2： ；
颜色3-4： ；
颜色5-6： ；

点形状（留空则默认，形状参考）

X/Y轴范围
X轴最小值：；X轴最大值：
Y轴最小值：；Y轴最大值：

标注样品名


样品名字体大小：

字体


主成分分析（PCA）凸包图，适用于组内三重复

简介
主成分分析（Principal component analysis，PCA）利用正交变换对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分（Principal Components）。PCA是最简单的以特征量分析多元统计分布的方法。通常情况下，这种运算可以被看作是揭露数据的内部结构，从而更好的解释数据的变量的方法。
部分R包不能绘制组内有2个样品或者3个样品的椭圆，同时如果组内3个样品基本呈现在一条线上时，强制添加椭圆时，椭圆会非常扁，不美观。因此，本模块将这些样品点连起来，然后使用多边形将组内所有点包裹在内，形成凸包边界，以此替代椭圆来直观区分不同组。
数据说明
行为特征（例如基因，蛋白，代谢物等），列为样品。第一行为样品名，第二行为组名，第3+行为特征。图中X轴是第一，Y轴是第二主成分（即潜在变量对差异的解释率）；点代表样品（individuals），不同颜色表示不同分组。
该包默认对数据进行scale转化。
论文例子
[Cell Metabolism] Iron-addicted colorectal cancers exploit heme-complex II axis to resist oxidative cell death. Fig4A
输入 示例数据
输出

如何引用？

建议直接写网址。助力10000+篇（google学术），9000+篇（知网）论文
正式引用：Tang D, Chen M, Huang X, Zhang G, Zeng L, Zhang G, Wu S, Wang Y. SRplot: A free online platform for data visualization and graphing. PLoS One. 2023 Nov 9;18(11):e0294236. doi: 10.1371/journal.pone.0294236. PMID: 37943830.
方法章节：Heatmap was plotted by https://www.bioinformatics.com.cn (last accessed on May 4, 2026), an online platform for data analysis and visualization.
致谢章节：We thank Mingjie Chen (Shanghai NewCore Biotechnology Co., Ltd.) for providing data analysis and visualization support.