help/html/calculations/pca.html

   1 <html>
   2 <!--
   3  * Jalview - A Sequence Alignment Editor and Viewer (Version 2.8.2)
   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></p>
  36 <p>Principal components analysis is a technique for examining the
  37 structure of complex data sets. The components are a set of dimensions
  38 formed from the measured values in the data set, and the principle
  39 component is the one with the greatest magnitude, or length. The sets of
  40 measurements that differ the most should lie at either end of this
  41 principle axis, and the other axes correspond to less extreme patterns
  42 of variation in the data set.</p>
  43
  44         <p>
  45                 <em>Calculating PCAs for aligned sequences</em><br />Jalview can
  46                 perform PCA analysis on both proteins and nucleotide sequence
  47                 alignments. In both cases, components are generated by an eigenvector
  48                 decomposition of the matrix formed from the sum of substitution matrix
  49                 scores at each aligned position between each pair of sequences -
  50                 computed with one of the available score matrices, such as
  51                 <a href="scorematrices.html#blosum62">BLOSUM62</a>, <a
  52                         href="scorematrices.html#pam250">PAM250</a>, or the <a
  53                         href="scorematrices.html#simplenucleotide">simple single
  54                         nucleotide substitution matrix</a>. The options available for
  55                 calculation are given in the
  56                 <strong><em>Change Parameters</em></strong> menu.</p>
  57         <p>
  58         <em>PCA Calculation modes</em><br/>
  59                 The default Jalview calculation mode
  60                 (indicated when <em><strong>Jalview PCA Calculation</strong></em> is
  61                 ticked in the <strong><em>Change Parameters</em></strong> menu) is to
  62                 perform a PCA on a matrix where elements in the upper diagonal give
  63                 the sum of scores for mutating in one direction, and the lower
  64                 diagonal is the sum of scores for mutating in the other. For protein
  65                 substitution models like BLOSUM62, this gives an asymmetric matrix,
  66                 and a different PCA to a matrix produced with the method described in the
  67                 paper by G. Casari, C. Sander and A. Valencia. Structural Biology
  68                 volume 2, no. 2, February 1995 (<a
  69                         href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=pubmed&dopt=Abstract&list_uids=7749921">pubmed</a>)
  70                 and implemented at the SeqSpace server at the EBI. This method
  71                 preconditions the matrix by multiplying it with its transpose, and can be employed in the PCA viewer by unchecking the <strong><em>Jalview
  72                                 PCA Calculation</em></strong> option in the <strong><em>Change
  73                                 Parameters</em></strong> menu.
  74         </p>
  75         <img src="pcaviewer.gif">
  76         <p><strong>The PCA Viewer</strong></p>
  77 <p>This is an interactive display of the sequences positioned within
  78 the similarity space, as points in a rotateable 3D scatterplot. The
  79 colour of each sequence point is the same as the sequence group colours,
  80 white if no colour has been defined for the sequence, and green if the
  81 sequence is part of a the currently selected group.</p>
  82 <p>The 3d view can be rotated by dragging the mouse with the <strong>left
  83 mouse button</strong> pressed. The view can also be zoomed in and out with the up
  84 and down <strong>arrow keys</strong> (and the roll bar of the mouse if
  85 present). Labels will be shown for each sequence if the entry in the
  86 View menu is checked, and the plot background colour changed from the
  87 View&#8594;Background Colour.. dialog box. The File menu allows the view
  88 to be saved (<strong>File&#8594;Save</strong> submenu) as an EPS or PNG
  89 image or printed, and the original alignment data and matrix resulting
  90 from its PCA analysis to be retrieved. The coordinates for the whole PCA
  91 space, or just the current view may also be exported as CSV files for
  92 visualization in another program or further analysis.<p>
  93 <p>Options for coordinates export are:</p>
  94 <ul>
  95 <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>
  96 <li>Output Points - The eigenvector matrix - rows correspond to sequences, columns correspond to each dimension in the PCA</li>
  97 <li>Transformed Points - The 3D coordinates for each sequence as shown in the PCA plot</li></ul>
  98
  99 <p>A tool tip gives the sequence ID corresponding to a point in the
 100 space, and clicking a point toggles the selection of the corresponding
 101 sequence in the associated alignment window views.<!-- Rectangular region
 102 based selection is also possible, by holding the 'S' key whilst
 103 left-clicking and dragging the mouse over the display. --> By default,
 104 points are only associated with the alignment view from which the PCA
 105 was calculated, but this may be changed via the <strong>View&#8594;Associate
 106 Nodes</strong> sub-menu.</p>
 107 <p>Initially, the display shows the first three components of the
 108 similarity space, but any eigenvector can be used by changing the
 109 selected dimension for the x, y, or z axis through each ones menu
 110 located below the 3d display. The <strong><em>Reset</em></strong> button will reset axis and rotation settings to their defaults.</p>
 111 <p>
 112 <p>
 113 <em>The output of points and transformed point coordinates was added to the Jalview desktop in v2.7.</em>
 114 <em>The Reset button and Change Parameters menu were added in Jalview 2.8.</em>
 115 <em>Support for PAM250 based PCA was added in Jalview 2.8.1.</em>
 116 </body>
 117 </html>