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特征分析PCA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

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
 

参考文献

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
创建时间:2024-06-28