主成分分析PCA

主成分分析（Principal Component Analysis，PCA），是对原有的复杂数据进行降维，保持数据集中对方差贡献最大的特征，去除噪音和冗余，从而有效地找出数据中最“主要”的元素和结构，主要影响因素区分各个样本，根据样本远近展示样本/分组间的相似性和差异性。

默认情况：

1. 少于等于3个样本时，不进行主成分分析；
2. 默认条件下，不对数据做任何处理，各平台数据过滤方式不同，请注意输入文件是否属于以下类型：芯片、转录组测序、微生物多样性OTU；
3. 绘制置信椭圆，需添加样本分组信息文件，且组内生物学重复需为4个样本及以上。
4. 分析前请检查表头是否完整。

• 结果说明
• 使用说明

1.图形说明

结果生成pdf、png格式，PCA 2D图，使用主成分1（PC1：Principal component 1）和主成分2（PC2：Principal component 2）作为X轴和Y轴绘制散点图，分别提供无标签及添加标签形式。

PCA 3D图使用主成分1、主成分2和主成分3分别作为X轴、Y轴和Z轴绘制散点图。

PCA 2D图，添加置信椭圆。

1. 矩阵文件（必选）

矩阵文件为必填参数，第一列为探针/基因/OTU名称，其余各列为各样品中相应检测值。

2.样本分组信息文件（可选）：

示例文件为样本分组信息，需包含列名 "Group"。