help/html/calculations/pca.html

   1 <html>
   2 <!--
   3  * Jalview - A Sequence Alignment Editor and Viewer ($$Version-Rel$$)
   4  * Copyright (C) $$Year-Rel$$ 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
  11  * of the License, or (at your option) any later version.
  12  *
  13  * Jalview is distributed in the hope that it will be useful, but
  14  * WITHOUT ANY WARRANTY; without even the implied warranty
  15  * of MERCHANTABILITY or FITNESS FOR A PARTICULAR
  16  * PURPOSE.  See the GNU General Public License for more details.
  17  *
  18  * You should have received a copy of the GNU General Public License
  19  * along with Jalview.  If not, see <http://www.gnu.org/licenses/>.
  20  * The Jalview Authors are detailed in the 'AUTHORS' file.
  21  -->
  22 <head>
  23 <title>Principal Component Analysis</title>
  24 </head>
  25 <body>
  26   <p>
  27     <strong>Principal Component Analysis</strong>
  28   </p>
  29   <p>
  30     A principal component analysis can be performed via the <a
  31       href="calculations.html">calculations dialog</a> which is accessed
  32     by selecting <strong>Calculate&#8594;Calculate Tree or
  33       PCA...</strong>.
  34   </p>
  35   <p>This calculation creates a spatial representation of the
  36     similarities within a selected group, or all of the sequences in an
  37     alignment. After the calculation finishes, a 3D viewer displays the
  38     set of sequences as points in 'similarity space', and similar
  39     sequences tend to lie near each other in the space.</p>
  40   <p>
  41     <em>Caveats</em><br />The calculation can be computationally
  42     expensive, and may fail for very large sets of sequences - usually
  43     because the JVM has run out of memory. However, the PCA
  44     implementation in Jalview 2.10.2 employs more memory efficient
  45     matrix storage structures, allowing larger PCAs to be performed.
  46   </p>
  47
  48   <p>
  49     <strong>About PCA</strong>
  50   </p>
  51   <p>Principal components analysis is a technique for examining the
  52     structure of complex data sets. The components are a set of
  53     dimensions formed from the measured values in the data set, and the
  54     principal component is the one with the greatest magnitude, or
  55     length. The sets of measurements that differ the most should lie at
  56     either end of this principal axis, and the other axes correspond to
  57     less extreme patterns of variation in the data set.</p>
  58
  59   <p>
  60     <em>Calculating PCAs for aligned sequences</em><br />Jalview can
  61     perform PCA analysis on both proteins and nucleotide sequence
  62     alignments. In both cases, components are generated by an
  63     eigenvector decomposition of the matrix formed from pairwise similarity
  64     scores between each pair of sequences. The similarity score model is
  65     selected on the <a href="calculations.html">calculations dialog</a>, and
  66     may use one of the available score matrices, such as
  67     <a href="scorematrices.html#blosum62">BLOSUM62</a>,
  68     <a href="scorematrices.html#pam250">PAM250</a>, or the <a
  69       href="scorematrices.html#simplenucleotide">simple single
  70       nucleotide substitution matrix</a>, or by sequence percentage identity,
  71       or sequence feature similarity.
  72   </p>
  73   <img src="pcaviewer.gif">
  74   <p>
  75     <strong>The PCA Viewer</strong>
  76   </p>
  77   <p>This is an interactive display of the sequences positioned
  78     within the similarity space, as points in a rotateable 3D
  79     scatterplot. The colour of each sequence point is the same as the
  80     sequence group colours, white if no colour has been defined for the
  81     sequence, and grey if the sequence is part of the currently selected
  82     group. The viewer also employs depth cueing, so points appear darker
  83     the farther away they are, and become brighter as they are rotated
  84     towards the front of the view.</p>
  85   <p>
  86     The 3d view can be rotated by dragging the mouse with the <strong>left
  87       mouse button</strong> pressed. The view can also be zoomed in and out with
  88     the up and down <strong>arrow keys</strong> (and the roll bar of the
  89     mouse if present). Labels will be shown for each sequence if the
  90     entry in the View menu is checked, and the plot background colour
  91     changed from the View&#8594;Background Colour.. dialog box. The File
  92     menu allows the view to be saved (<strong>File&#8594;Save</strong>
  93     submenu) as an EPS or PNG image or printed, and the original
  94     alignment data and matrix resulting from its PCA analysis to be
  95     retrieved. The coordinates for the whole PCA space, or just the
  96     current view may also be exported as CSV files for visualization in
  97     another program or further analysis.
  98   <p>
  99   <p>Options for coordinates export are:</p>
 100   <ul>
 101     <li>Output Values - complete dump of analysis (TxT* matrix
 102       computed from sum of scores for all pairs of aligned residues from
 103       from i->j and j->i, conditioned matrix to be diagonalised,
 104       tridiagonal form, major eigenvalues found)</li>
 105     <li>Output Points - The eigenvector matrix - rows correspond to
 106       sequences, columns correspond to each dimension in the PCA</li>
 107     <li>Transformed Points - The 3D coordinates for each sequence
 108       as shown in the PCA plot</li>
 109   </ul>
 110
 111   <p>
 112     A tool tip gives the sequence ID corresponding to a point in the
 113     space, and clicking a point toggles the selection of the
 114     corresponding sequence in the associated alignment window views.
 115     <!-- Rectangular region
 116 based selection is also possible, by holding the 'S' key whilst
 117 left-clicking and dragging the mouse over the display. -->
 118     By default, points are only associated with the alignment view from
 119     which the PCA was calculated, but this may be changed via the <strong>View&#8594;Associate
 120       Nodes</strong> sub-menu.
 121   </p>
 122   <p>
 123     Initially, the display shows the first three components of the
 124     similarity space, but any eigenvector can be used by changing the
 125     selected dimension for the x, y, or z axis through each ones menu
 126     located below the 3d display. The <strong><em>Reset</em></strong>
 127     button will reset axis and rotation settings to their defaults.
 128   </p>
 129   <p>
 130   <p>
 131     <em>The output of points and transformed point coordinates was
 132       added to the Jalview desktop in v2.7.</em> <em>The Reset button
 133       and Change Parameters menu were added in Jalview 2.8.</em> <em>Support
 134       for PAM250 based PCA was added in Jalview 2.8.1.</em>
 135   </p>
 136   <p>
 137     <strong>Reproducing PCA calculations performed with older
 138       Jalview releases</strong> Jalview 2.10.2 included a revised PCA
 139     implementation which treated Gaps and non-standard residues in the
 140     same way as a matrix produced with the method described in the paper
 141     by G. Casari, C. Sander and A. Valencia. Structural Biology volume
 142     2, no. 2, February 1995 (<a
 143       href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=pubmed&dopt=Abstract&list_uids=7749921">pubmed</a>)
 144     and implemented at the SeqSpace server at the EBI. To reproduce
 145     calculations performed with earlier Jalview releases it is necessary
 146     to execute the following Groovy script:
 147   <pre>
 148     jalview.analysis.scoremodels.ScoreMatrix.scoreGapAsAny=true
 149     jalview.analysis.scoremodels.ScoreModels.instance.BLOSUM62.@matrix[4][1]=3
 150     </pre>
 151   This script enables the legacy PCA mode where gaps were treated as
 152   'X', and to modify the BLOSUM62 matrix so it is asymmetric for
 153   mutations between C to R (this was a typo in the original Jalview
 154   BLOSUM62 matrix which was fixed in 2.10.2).
 155   </p>
 156 </body>
 157 </html>