什么是PCA（主成分分析）？
PCA（Principal Component Analysis，主成分分析）是一种经典的无监督降维方法，通过线性变换将高维数据投影到低维空间，同时尽可能保留数据的方差信息。在生物信息学中，PCA被广泛用于基因表达数据的探索性分析。
PCA可以帮助研究者回答以下问题：样本是否按预期分组？生物学重复是否一致？哪些变量（基因/代谢物）对样本差异贡献最大？它是转录组、蛋白质组和代谢组数据分析中的第一步质控可视化。
📌 PCA的核心概念
- PC1（第一主成分）：解释数据中最大方差的方向
- PC2（第二主成分）：与PC1正交，解释剩余方差中最大的方向
- 方差解释率：每个主成分解释的原始数据方差占比
- Scores图：样本在主成分空间中的投影（最常用）
- Loadings图：各变量对主成分的贡献程度
什么时候使用PCA分析？
🔬 典型应用场景
- 样本质量控制：检查生物学重复是否聚类在一起，识别异常样本
- 组间差异评估：观察不同处理组/疾病组是否在主成分空间中分离
- 批次效应检测：检查不同批次处理的样本是否出现系统偏差
- 探索性数据分析：在正式差异分析前了解数据的整体结构
- 降维预处理：为后续的聚类分析、机器学习建模提供降维后的数据
- 论文图表：PCA图是组学类SCI论文的标准图表之一
如何使用在线PCA分析工具
- 准备数据：准备基因表达矩阵（行为基因，列为样本）和样本分组信息
- 上传数据：上传CSV/Excel格式的表达矩阵和分组文件
- 选择参数：选择展示的PC维度（PC1 vs PC2 或 3D PCA）
- AI辅助：用自然语言描述需求，例如"帮我做PCA看看治疗组和对照组是否分离"
- 生成图表：一键生成PCA图，包含方差解释率和置信椭圆
- 导出使用：支持SVG、PDF、PNG高清导出
💡 AI提示示例："帮我做PCA分析，治疗组用红色，对照组用蓝色，加上95%置信椭圆，在图上标注PC1和PC2的方差解释率。"
常见问题
- PCA和t-SNE/UMAP有什么区别？
- PCA是线性降维方法，计算快、可解释性强，是首选方法。t-SNE和UMAP是非线性方法，能更好地展示复杂结构，但计算较慢且随机性较强。通常先用PCA做初步探索。
- PC1和PC2的方差解释率多少算好？
- 没有绝对标准。生物数据通常噪声较大，PC1+PC2合计超过30-50%已属不错。关键看样本是否按预期分组，而非方差解释率本身。
- PCA分析需要多少样本？
- 理论上至少需要3个样本，但实践中建议每组至少3-5个生物学重复，否则PCA结果不可靠。
- 可以用原始counts做PCA吗？
- 建议先做标准化处理（如DESeq2的vst或rlog变换）。原始counts受文库大小影响，直接用可能导致PCA反映的是测序深度而非生物学差异。