PCA分析(Principal Component Analysis)

PCA分析(Principal Component Analysis)

PCA 分析，即主成分分析，是一种对数据进行简化分析的技术，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。它的优点是简单，而且无参数限制，可以方便的应用于各个场合。我们可以用PCA 来分析不同样品OTU组成的差异，通过方差分解，将多组数据的差异反映在二维坐标图上，坐标轴取能够最大反映方差值的两个特征值。如样品组成越相似，反映在PCA图中的距离越近。不同环境间的样品可能表现出分散分布。

PCA 分析可以用来反映不同样品中微生物群落组成的相似性以及影响微生物多样性的主要因素，一般情况下是用来对假设进行验证。

如PCA 可以用来做以下分析：

确定环境中的样品是否具有显著不同的微生物群落。

将环境间的差异以图的形式表现出来等。