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。

文章剩余内容