最早了解到主成分分析（Principal Component Analysis，PCA）是在一位师兄的毕业答辩上，当时听得是云里雾里，一头雾水。其实，主成分分析是因子分析的一种常用方法，主要目的是为了减少变量数目，也就是降维。
在高通量测序中，主要基于基因表达量、种群丰度等进行样本的聚类，下图是一篇客户文章的基于表达量的PCA结果。
(Plant biotechnology journal, 2018)
那么该如何进行主成分分析呢？今天为大家介绍如何用Origin进行分析并完成散点图的绘制。
数据准备
本文所用的数据是OmicShare PCA分析工具的示例文件（如下图），大家可随意下载练习（http://www.omicshare.com/tools/Home/Soft/pca）。
示例为6个样本的1300多个基因的表达量数据，接下来需要做得是把每个样本的对应的1300多个数据用2个数据表示，降到2维后，就可用二维的散点图展示。
这里每个基因的名称视作1个变量，因此需要对数据进行手动转置，为了分组着色，在前面加1列分组数据，如下图(Sheet1 →Sheet3)。然后打开Origin，将数据粘贴到Origin的表格中。
对于这一点OmicShare的 PCA工具就显得智能和方便多了，直接上传数据，点提交任务就好啦。
分析作图
点窗口右侧的Apps，在弹出的窗口中点今天要用的PCA插件。
然后选择输入数据（Input data），具体方法如下图，注意这里的数据添加小技巧。
在绘图设置中这里选2D的散点图，如下图，当然你也可以选3D的散点图（使用3个主成分），点OK 即可完成分析和作图。如果样本较多，也可以选择显示置信区间椭圆（Show Confidence Ellipse）。
双击Score Plot中的图表，放大散点图，然后就可以对图表进行个性化调整，比如改变标记的形状、颜色、大小，显示数据标签等。
最终的的效果如下：
相关推荐：
*软件资源获取：2019b for Win
