主成分分析（ PCA）

主成分分析（Principal Component Analysis, PCA）是將原本鑑定到的所有代謝物重新線性組合，形成一組新的綜合變數，同時根據所分析的問題從中選取2-3個綜合變數，使它們儘可能多地反映原有變數的資訊，從而達到降維的目的。同時，對代謝物進行主成分分析還能從總體上反應組間和組內的變異度。總體樣本PCA分析採用PCA的方法觀察所有各組樣本之間的總體分佈趨勢，找出可能存在的離散樣本，綜合考慮各種因素（樣品數，樣品珍貴程度，離散程度）決定離散點的除去與否。所有樣本PCA得分圖見下圖（對樣本進行兩兩分析的PCA得分圖）。



 

圖1 主成分分析得分圖


百泰派克採用XCMS軟體對代謝物離子峰進行提取。將25個實驗樣本和QC樣本提取得到的峰，歸一化後進行PCA分析，如圖所示QC樣本（黑色） 緊密聚集在一起，表明本次試驗的儀器分析系統穩定性較好，試驗資料穩定可靠，在試驗中獲得的代謝譜差異能反映樣本間自身的生物學差異。



 

圖2 總樣品的PCA得分圖