-
-
-
核心技术 >
检测服务 >
产品/解决方案>
-
差异基因偏少,你可能漏了这个……
差异基因偏少,你可能漏了这个……
引言
主成分分析(Principal Component Analysis,PCA)是一种数据降维和特征提取的分析方法,通过正交变换将一组可能相关的变量(原始数据)转换为线性不相关的新变量(主成分),从而在保留原始数据主要特征的前提下进行降维和特征分析。PCA在转录组学、代谢组学、蛋白质组学、微生物组学中被广泛应用。
图1 文献中PCA的应用
如果对前面PCA的主流解释十窍通了九窍。那么,小编推荐不妨看看小旭学长的解读。简单来讲,PCA就是重新构建坐标系,并尽可能地保留原始数据信息、减少丢失。其真正用途在于:1)降维、去噪,降低数据分析复杂度。2)提取数据主要特征,方便数据可视化,使分析结果易于理解。
图2 B站上PCA原理讲解
PCA中点与点距离的远近反映基于主成分下数据相似性的大小。因而,在转录组测序中,PCA常用于筛查异常样本。
PCA相对简单,Origin、SPSS均能绘图。康测科技PCA云工具提供数据归一化、多种配色主题、样本标签设置等,更能添加置信椭圆,使分析结果更出彩!
图3 康测PCA结果展示
康测科技云分析平台试用
参考文献
创建时间:2024-06-28
联系我们
地址:武汉市江夏区东湖新技术开发区高新六路99号南山·光谷自贸港A栋6楼
邮箱:seqhealth@seqhealth.cn
电话:027-65527552
热门服务
关注康测公众号