PCA 简介PCA（Principal Component Analysis），即主成分分析。PCA是一种研究数据相似性或差异性的可视化方法，采取降维的思想，PCA 可以找到距离矩阵中最主要的坐标，把复杂的数据用一系列的特征值和特征向量进行排序后，选择主要的前几位特征值，来表示样品之间的关系。通过 PCA 可以观察个体或群体间的差异。PC 后面的百分数表示对应特征向量对数据的解释量，此值越大越好。

PCA这种图，图片上看起来不同的组别之间是有差异的，比如说这个：

1234567891011121314151617181920212223rm(list = ls())library(vegan)library(ggplot2)library(ggprism)library(FactoMineR)library(factoextra)data("iris")res.pca <- PCA(iris[, 1:4], graph = FALSE)contrib

摘要在自然环境下，植物时时刻刻都在面对病原物的入侵。然而，由于植物具有有效的免疫系统，植物病害很少发生。病原物被两层不同的识别系统识别：PTI和ETI。PTI和ETI都具有能够阻止病原入侵的诱导防御系统。本综述主要讨论PTI中的信号通路网络，主要聚焦于丝裂原活化蛋白激酶。

学Python爬虫一周多，今天练练手，爬取了一个自己感兴趣的知乎话题即将步入研究生，有什么忠告？。一共是272个答案，本次爬取的目的是爬取到所有回答者的昵称、个性签名、赞同数以及具体的内容。

R语言对fasta这种超大的字符文件进行处理真的是太慢了，Python是真的香啊！

海外服务器爬NCBI是真的香！！！

之前写过用Python爬取中文文献，但是更多时候需要的是英文文献，就写了个英文的爬虫代码。

12345678910111213---title: "YYT data analysis report"author: "Xiang Li"date: '2022-06-06'output: html_document: toc: true toc_depth: 3 toc_float: true #theme: united css: style.css

安装直接用Docker安装。 官方教程：https://docs.docker.com/engine/install/ubuntu/ 数据QIIME2中的数据： 测序数据：.qza格式。因此需要先将测序下机的.fasta格式的文件转换成.qza格式的文件。同样，.qza格式文件也可以导出成其他格式。 样品信息（metadata） 可视化数据：.qzv格式。这个文件是分析过程中产生的临时文件。这中

Rstudio-Server绘图报错： 1234Error in RStudioGD() : Shadow graphics device error: r error 4 (Error : C stack usage 7969364 is too close to the limit)此外: There were 50 or more warnings (use warnings() to

突然的报错。。。。。。 123👉👉👉➡️ df -hl /tmp文件系统 容量 已用 可用 已用% 挂载点/dev/sda2 439G 426G 0 100% / 原来是这个系统盘爆满了，系统在上面，也不敢随便删文件。 检索一番，找到解决方法：在自己的家目录下创建.Renviron这个文件，输入下面的内容： 1TMP=/home/username