主成分分析（ Principal Component Analysis, PCA） 是将原本鉴定到的所有代谢物重新线性组合，形成一组新的综合变量，同时根据所分析的问题从中选取2-3个综合变量，使它们尽可能多地反映原有变量的信息，从而达到降维的目的。同时，对代谢物进行主成分分析还能从总体上反应组间和组内的变异度。总体样本 PCA 分析采用 PCA 的方法观察所有各组样本之间的总体分布趋势，找出可能存在的离散样本，综合考虑各种因素（样品数，样品珍贵程度，离散程度）决定离散点的除去与否。
提到PCA，一般情况我们都会说这是降维分析。大家多多少少都看过前几年大热的三体，里面的降维攻击大家基本都是有所了解，这里就不多做降维这个词的解释了。虽然PCA图看起来容易简单，但是其后面的机制却不简单。在实际问题中，我们会发现测序数据有很多指标，比如说基因的表达量，SNP数据，SSR数据等等。
如：百泰派克生物平台采用 XCMS 软件对代谢物离子峰进行提取。将 25 个实验样本和 QC 样本提取得到的峰，归一化后进行 PCA 分析， 样本紧密聚集在一起，表明本次试验的仪器分析系统稳定性较好，试验数据稳定可靠，在试验中获得的代谢谱差异能反映样本间自身的生物学差异。
PCA（principal component analysis）主成分分析是生
| 
转播
