我们经常在做数据分析之前，会对样本数据绘制一个PCA图，其实主要目的是为了看样本的质量，比如样本中Treat组和Control组，那么绘制出来PCA图的最理想的效果就是 Treat组和 Control组有一部分相交，比如下图，我们使用鸢尾花数据集中 versicolor（变色鸢尾） 和 virginica（维吉尼亚鸢尾） 两类数据样本，绘制这两花种的PCA图。可以看到，两种花种的数据是相对分开的，但是有一小部分交集，这说明这两类花种是具有一定的差异的（同样的，这两类花种可以类比我们在分析肿瘤组和正常组，一般情况下，如果可能看到肿瘤组和正常组的数据的分开的，就比较是数据质量是好的）

PCA图在生信分析中的应用场景

PCA（主成分分析）是RNA-seq数据分析中最重要的可视化工具之一，主要应用于：

样本质量监控 ：快速识别实验中的离群样本
批次效应检测 ：判断数据是否需要批次校正
组间差异评估 ：观察不同处理组的分离趋势
降维可视化 ：将上万维度的基因表达数据投影到二维平面
聚类结果验证 ：辅助判断单细胞数据分群质量

如何解读PCA图

标注说明：

坐标轴含义 ：X轴（PC1）和Y轴（PC2）代表前两个主成分，括号内百分比表示该成分解释的方差量
样本分布 ：相同颜色的点代表生物学重复，形状可表示不同实验批次
组间距离 ：Versicolor和Virginica组在PC1方向的分离差异
椭圆区域 ：95%置信区间帮助判断组间差异的显著性

R语言实现教程

我们使用鸢尾花数据集

data(iris)
# 筛选出versicolor和virginica两类
target_species <- c("versicolor", "virginica")
iris_subset <- subset(iris, Species %in% target_species)

标准化处理

scaled_data <- scale(iris_subset[, 1:4], center = TRUE, scale = TRUE)

主成分计算

pca_result <- prcomp(scaled_data, scale. = FALSE)
summary(pca_result)$importance[, 1:2]

绘制带置信椭圆的PCA图

library(ggplot2)
library(ggfortify)

# 准备绘图数据
pca_scores <- as.data.frame(pca_result$x)
pca_scores$Species <- iris_subset$Species


# 计算主成分方差百分比
percentage <- round(pca_result$sdev^2 / sum(pca_result$sdev^2) * 100, 2)
x_label <- paste0("PC1 (", percentage[1], "%)")
y_label <- paste0("PC2 (", percentage[2], "%)")

# 绘制带百分比标签的PCA图
ggplot(pca_scores, aes(x = PC1, y = PC2, color = Species)) +
  geom_point(size = 3, alpha = 0.8) +
  stat_ellipse(level = 0.95, linewidth = 1) +
  scale_color_manual(values = c("blue", "green")) +
  labs(
    title = "Versicolor vs Virginica PCA",
    x = x_label,  # 添加PC1百分比
    y = y_label   # 添加PC2百分比
  ) +
  theme_bw() +
  theme(legend.position = "bottom")

结果解读 ：前两个主成分累计解释87%的方差，说明数据具有较好的可解释性
生物学启示 ：两类花种呈现明显分离趋势，PC1是主要差异来源
批次影响 ：不同形状的样本点没有明显聚集，提示批次效应较小

上面就是关于PCA主成分分析的内容，其主要目的是为了在做下游分析时观察数据的质量。

完整代码联系老师免费获取（备注“PCA绘图”）

以上就是今天的内容，希望对你有帮助！欢迎点赞、在看、关注、转发。

PCA图怎么看