G004 多样品主成份分析（PCA）

service

多样品主成分分析(PCA)

主成分分析（Principal Component Analysis，PCA）， 是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。主成分分析试图在力保数据信息丢失最少的原则下，用较少的综合变量代替原本较多的变量，而且综合变量间互不相关。

因为原始数据的异质性较大，所以我们的PCA分析是在差异表达数据中进行的，这样可以高效利用有用的数据信息。

各主成分的重要性。以差异表达基因为两组数据的主要差异，并进行PCA。如下图：

用两个主成分对样品进行分类：

上图，红色点表示UC组的样品，黑色点表示正常的对照样品。PC1 和 PC2并不能够清晰把两组数据分开。从红点的分布上看，Corhn组存在一些outliner样品, 有待进一步结合临床数据确认。

其他文件

PCA分析scatter plot：PCA2d.pdf，PCA2d.png
PCA的权重分析：pcaBarplot.pdf，pcaBarplot.png

文献引用

1. https://en.wikipedia.org/wiki/Principal_component_analysis