主成分分析（ PCA）

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。所有样本PCA得分图见下图（对样本进行两两分析的PCA得分图）。

图1 主成分分析得分图

百泰派克采用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，如图所示QC样本（黑色） 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。

图2 总样品的PCA得分图