什么是PCA
主成分分析(Principal Component Analysis,PCA)是一种无监督的多元统计分析方法。在蛋白组学和代谢组学研究中能从总体上反应各组样本之间的总体差异和组内样本之间的变异度大小,其结果一目了然,在许多蛋白组学和代谢组学生信分析中常应用这种方法来探究各组样本中的差异。
图 | PCA主成分分析在蛋白组学中的应用
PCA的基本原理:利用数学的方法,将原来变量重新组合成新的互相无关的几个综合变量(即主成分),对所有因素按重要性排序,通常靠后的微小因素被忽略掉,从而起到简化数据的作用。实际项目中,我们可以通过PCA找出蛋白组学和代谢组学中的离群样本、判别相似性高的样本簇等来找到样本之间的差异。
PCA算法在蛋白组学和代谢组学中的应用
在蛋白组学,代谢组学研究应用领域中,通常需要对含有多个变量的数据进行观测,收集大量数据后进行分析寻找规律。多变量大数据集无疑会为研究和应用提供丰富的信息,但是也在一定程度上增加了数据采集的工作量。更重要的是在很多情形下,蛋白组学、代谢组学研究中许多变量之间可能存在相关性,从而增加了问题分析的复杂性。如果分别对每个指标进行分析,分析往往是孤立的,不能完全利用数据中的信息,因此盲目减少指标会损失很多有用的信息,从而产生错误的结论。
因此需要找到一种合理的方法,在减少需要分析的指标同时,尽量减少原指标包含信息的损失,以达到对所收集数据进行全面分析的目的。由于各变量之间存在一定的相关关系,因此可以考虑将关系紧密的变量变成尽可能少的新变量,使这些新变量是两两不相关的,那么就可以用较少的综合指标分别代表存在于各个变量中的各类信