PCA主成分分析- 微基生物

PCA 分析(Principal Component Analysis)，即主成分分析，是一种对数据进行简化 ... PC1、PC2 分别代表对于两组样本微生物组成发生偏移的疑似影响因素，需要结合样本 ... 首页>生信分析>样本组间差异分析>PCA主成分分析 PCA主成分分析 　　PCA分析(PrincipalComponentAnalysis)，即主成分分析，是一种对数据进行简化分析的技术，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。

其优点是简单且无参数限制。

通过分析不同样品OTU（97%相似性）组成可以反映样品间的差异和距离，PCA运用方差分解，将多组数据的差异反映在二维坐标图上，坐标轴取能够最大反映方差值的两个特征值。

如样品组成越相似，反映在PCA图中的距离越近。

不同环境间的样品可能表现出分散和聚集的分布情况，PCA结果中对样品差异性解释度最高的两个或三个成分可以用于对假设因素进行验证。

软件：使用97%相似度的OTU，PC-ORD或是CANOCO作图。

参考文献： 　　YuWang,Hua-FangSheng,etal.ComparisonoftheLevelsofBacterialDiversityinFreshwater,IntertidalWetland,andMarineSedimentsbyUsingMillionsofIlluminaTags.Appl.Environ.Microbiol.2012,78(23):8264.DOI:10.1128/AEM.01821-12 例图： 　　注：坐标轴百分比解释：如果PC1值为50%，则表示x轴的差异可以解释全面分析结果的50%。

　　不同颜色或形状的点代表不同环境或条件下的样本组，横、纵坐标轴的刻度是相对距离，无实际意义。

PC1、PC2分别代表对于两组样本微生物组成发生偏移的疑似影响因素，需要结合样本特征信息归纳总结，例如C组（黄色）和D组（蓝色）样品在pc1轴的方向上分离开来，则可分析为PC1是导致C组和D组分开（可以是两个地点或酸碱不同）的主要因素，同时验证了这个因素有较高的可能性影响了样品的组成。

上一页PCoA主坐标分析 下一页heatmap（热图） 相关文章 微生物种属鉴定及相关分析 OTU群落聚类及相关分析 多样性指数统计 更多文章 文章关键词 16SrRNA ace ccoa chao coverage DGGE heatmap pca pls-da RankAbundance rarefaction rda Roche454 RT-PCR shannon 丰度 主成分分析 偏最小二乘法 全样品相似度 典范相关分析 冗余分析 古细菌 呼吸道微生物 土壤微生物 多样性 宏基因组 宏基因组分析 建库 微基生物，公司简介 微生物多样性 微生物多样性分析 文氏图 热图 牙周炎 生信/统计分析 生信服务 生殖道微生态 生物膜 皮肤微生态 稀释曲线 肠道微生态 肠道微生物 靶基因 高通量测序 高通量测序平台 微基生物科技（上海）有限公司　　沪ICP备14017564号 沪公网安备31011502008030号 技术支持1在线咨询 技术支持1在线咨询 技术支持2在线咨询 技术支持2在线咨询 咨询热线：400-660-9270固定电话：021-50763698 添加客服微信