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

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