help/html/calculations/pca.html

   1 <html>
   2 <!--
   3  * Jalview - A Sequence Alignment Editor and Viewer (Version 2.8.1)
   4  * Copyright (C) 2014 The Jalview Authors
   5  *
   6  * This file is part of Jalview.
   7  *
   8  * Jalview is free software: you can redistribute it and/or
   9  * modify it under the terms of the GNU General Public License
  10  * as published by the Free Software Foundation, either version 3 of the License, or (at your option) any later version.
  11  *
  12  * Jalview is distributed in the hope that it will be useful, but
  13  * WITHOUT ANY WARRANTY; without even the implied warranty
  14  * of MERCHANTABILITY or FITNESS FOR A PARTICULAR
  15  * PURPOSE.  See the GNU General Public License for more details.
  16  *
  17  * You should have received a copy of the GNU General Public License along with Jalview.  If not, see <http://www.gnu.org/licenses/>.
  18  * The Jalview Authors are detailed in the 'AUTHORS' file.
  19 -->
  20 <head>
  21 <title>Principal Component Analysis</title>
  22 </head>
  23 <body>
  24 <p><strong>Principal Component Analysis</strong></p>
  25 <p>This calculation creates a spatial representation of the
  26 similarities within a selected group, or all of the sequences in an
  27 alignment. After the calculation finishes, a 3D viewer displays the set
  28 of sequences as points in 'similarity space', and similar sequences tend
  29 to lie near each other in the space.</p>
  30 <p><em>Caveats</em><br/>The calculation is computationally expensive, and may fail
  31 for very large sets of sequences - usually because the JVM has run out
  32 of memory. A future release of Jalview will be able to avoid this by
  33 executing the calculation via a web service.</p>
  34
  35 <p><strong>About PCA</strong>Principal components analysis is a technique for examining the
  36 structure of complex data sets. The components are a set of dimensions
  37 formed from the measured values in the data set, and the principle
  38 component is the one with the greatest magnitude, or length. The sets of
  39 measurements that differ the most should lie at either end of this
  40 principle axis, and the other axes correspond to less extreme patterns
  41 of variation in the data set.</p>
  42
  43         <p>
  44                 <em>Calculating PCAs for aligned sequences</em><br />Jalview can
  45                 perform PCA analysis on both proteins and nucleotide sequence
  46                 alignments. In both cases, components are generated by an eigenvector
  47                 decomposition of the matrix formed from the sum of substitution matrix
  48                 scores at each aligned position between each pair of sequences -
  49                 computed either with <a href="scorematrices.html#blosum62">BLOSUM62</a> or the <a
  50                         href="scorematrices.html#simplenucleotide">simple single nucleotide
  51                         substitution matrix</a>. The options available for calculation are given
  52                 in the <strong><em>Change Parameters</em></strong> menu.<br />
  53                 Jalview allows two types of PCA calculation. The default <em><strong>Jalview
  54                                 PCA Calculation</strong></em> mode (indicated when that option is ticked in the <strong><em>Change
  55                                 Parameters</em></strong> menu) of the viewer performs PCA on a matrix where
  56                 elements in the upper diagonal give the sum of scores for mutating in
  57                 one direction, and the lower diagonal is the sum of scores for
  58                 mutating in the other. For protein substitution models like BLOSUM62,
  59                 this gives an asymmetric matrix, and a different PCA to one produced
  60                 with the method described in the paper by G. Casari, C. Sander and A.
  61                 Valencia. Structural Biology volume 2, no. 2, February 1995 (<a
  62                         href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=pubmed&dopt=Abstract&list_uids=7749921">pubmed</a>)
  63                 and implemented at the SeqSpace server at the EBI. The original method
  64                 preconditions the matrix by multiplying it with its transpose, and
  65                 this mode is enabled by unchecking the <strong><em>Jalview
  66                                 PCA Calculation</em></strong> option in the <strong><em>Change
  67                                 Parameters</em></strong> menu.
  68         </p>
  69 <img src="pcaviewer.gif">
  70         <p><strong>The PCA Viewer</strong></p>
  71 <p>This is an interactive display of the sequences positioned within
  72 the similarity space, as points in a rotateable 3D scatterplot. The
  73 colour of each sequence point is the same as the sequence group colours,
  74 white if no colour has been defined for the sequence, and green if the
  75 sequence is part of a the currently selected group.</p>
  76 <p>The 3d view can be rotated by dragging the mouse with the <strong>left
  77 mouse button</strong> pressed. The view can also be zoomed in and out with the up
  78 and down <strong>arrow keys</strong> (and the roll bar of the mouse if
  79 present). Labels will be shown for each sequence if the entry in the
  80 View menu is checked, and the plot background colour changed from the
  81 View&#8594;Background Colour.. dialog box. The File menu allows the view
  82 to be saved (<strong>File&#8594;Save</strong> submenu) as an EPS or PNG
  83 image or printed, and the original alignment data and matrix resulting
  84 from its PCA analysis to be retrieved. The coordinates for the whole PCA
  85 space, or just the current view may also be exported as CSV files for
  86 visualization in another program or further analysis.<p>
  87 <p>Options for coordinates export are:</p>
  88 <ul>
  89 <li>Output Values - complete dump of analysis (TxT* matrix computed from sum of scores for all pairs of aligned residues from from i->j and j->i, conditioned matrix to be diagonalised, tridiagonal form, major eigenvalues found)</li>
  90 <li>Output Points - The eigenvector matrix - rows correspond to sequences, columns correspond to each dimension in the PCA</li>
  91 <li>Transformed Points - The 3D coordinates for each sequence as shown in the PCA plot</li></ul>
  92
  93 <p>A tool tip gives the sequence ID corresponding to a point in the
  94 space, and clicking a point toggles the selection of the corresponding
  95 sequence in the associated alignment window views.<!-- Rectangular region
  96 based selection is also possible, by holding the 'S' key whilst
  97 left-clicking and dragging the mouse over the display. --> By default,
  98 points are only associated with the alignment view from which the PCA
  99 was calculated, but this may be changed via the <strong>View&#8594;Associate
 100 Nodes</strong> sub-menu.</p>
 101 <p>Initially, the display shows the first three components of the
 102 similarity space, but any eigenvector can be used by changing the
 103 selected dimension for the x, y, or z axis through each ones menu
 104 located below the 3d display. The <strong><em>Reset</em></strong> button will reset axis and rotation settings to their defaults.</p>
 105 <p>
 106 <p>
 107 <em>The output of points and transformed point coordinates was added to the Jalview desktop in v2.7.</em>
 108 <em>The Reset button and Change Parameters menu were added in Jalview 2.8.</em>
 109 </body>
 110 </html>