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！
康测科技云分析平台整合超过100种组学分析工具，配备详细、精炼的讲解视频和工具文档，全程零代码、自主参数设置。如果您有PCA使用需求，可私信小编，小编将给您发送试用账号~
链接：http://www.seqcloud.cc:8888
1、Lauren A. Hesser, Armando A. Puente, Jack Arnold, et al. A synbiotic of Anaerostipes caccae and lactulose prevents and treats food allergy in mice[J]. Cell Host & Microbe, 2024
2、Sarah Moraïsi, Sarah Winkler, Alvah Zorea, et al. Cryptic diversity of cellulose-degrading gut bacteria in industrialized humans[J]. Science, 2024
3、Shiyu Li, Min Yang, Hui Shen, et al. Capturing totipotency in human cells through spliceosomal repression[J]. Cell, 2024
4、Ting Li, Ning Ding, Hanqing Guo, et al. A gut microbiota-bile acid axis promotes intestinal homeostasis upon aspirin-mediated damage[J]. Cell Host & Microbe, 2024
5、Ulisse Gomarasca, Mirco Migliavacca, Jens Kattge, et al. Leaf-level coordination principles propagate to the ecosystem scale[J]. Nature Communications, 2023
6、Yangzi Chen, Bohong Wang, Yizi Zhao, et al. Metabolomic machine learning predictor for diagnosis and prognosis of gastric cancer[J]. Nature Communications, 2024
