背景

• 在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素)，因为每个变量都在不同程度上反映这个课题的某些信息。但是，变量个数太多就会增加课题的复杂性。
• 变量之间有一定相关关系。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，新变量尽可能保持原有的信息。就是对数据进行降维处理，转换后的这组变量叫主成分【 这些变量根据它的原有这些信息的一个信息量的多少，分为 主成分一、主成分二 …… 越排在前面的主成分，包含的信息量越多】

用途：**判断样本是否和预期一致；分分合合（不同类型的样本分开，相同类型的样本聚集—— 组间差别， 组内重复；用于预实验，简单查看组间是否有差别）；**主要用于RNA-seq结果分析

Tells us if we can expect to find interesting differences. Tells us if we should exclude some samples from any down stream analysis.

• [ ] 图上的点代表样本 (中心点除外)，点与点之间的距离代表样本与样本之间的差异

• 二维图像：一般用 主成分1，主成分2 来代表他原来的这些信息的一个大部分的一个信息量

  

• 三维图像：一般用 主成分1，主成分2 ，主成分3（如果没有主成分3，将会出现重合），来代表他原来的这些信息的一个大部分的一个信息量

  

• N1- N3：正常样本； C0 - C9：癌症样本
• 问题- - - - 推测：N3，C0，C3
  • RNA-seq 样本本身有问题，导致它出现离群/跑到另外一群里面
    • 图2：分析RNA质量：C3质量有问题
    • 需要进一步查看原始数据
  • 样本来自于不同的细胞群体，转录组可能具有异质性