高分文章教你如何解释你的PCA结果

五年前我们就系统性整理了表达芯片数据分析，这些芯片分析难点主要是在ID转换，因为不同公司设计的探针命名都不一样，在我7年前博客整理的芯片平台对应R包找：(16)芯片探针与基因的对应关系-生信菜鸟团博客2周年精选文章集。基本上你使用我教程的标准数据分析代码，从下载到表达矩阵，走标准分析流程，火山图，热图，GO/KEGG数据库注释等等，肯定可以出对应的图表。

这个时候，我往往是会强调最重要的3张图见：你确定你的差异基因找对了吗？

PS：如果你的转录组实验分析报告没有这三张图，就把我们生信技能树的这篇教程甩在他脸上，让他瞧瞧，学习下转录组数据分析。

PS: 示例的3张图来自于我的GitHub博客：https://github.com/jmzeng1314/GEO

• 左边的热图，说明我们实验的两个分组，normal和npc的很多基因表达量是有明显差异的
• 中间的PCA图，说明我们的normal和npc两个分组非常明显的差异
• 右边的层次聚类也是如此，说明我们的normal和npc两个分组非常明显的差异

如果分组在3张图里面体现不出来，实际上后续差异分析是有风险的。这个时候需要根据你自己不合格的3张图，仔细探索哪些样本是离群点，自行查询中间过程可能的问题所在，或者检查是否有其它混杂因素，都是会影响我们的差异分析结果的生物学解释。

如果不能确认你的组内差异是小于组间差异的， 那么常规的差异分析通常是有问题的。但是随着数据挖掘技术的流行，越来越多人喜欢强行找差异了，尤其是喜欢使用TMB分组，或者免疫浸润情况分组（包括CIBERSOFT计算的LM22比例分组，以及ESTIMATE计算得到的 immune scores, stromal scores and ESTIMATE scores ），实际上风险很大，因为它们这些指标并不能比较好的区分肿瘤病人。

而且还有进阶的分组情况，比如 文章：《Restoration of energy homeostasis by SIRT6 extends healthy lifespan》，链接：https://www.nature.com/articles/s41467-021-23545-7 ， 是4个分组，是两种性别，加上各自的处理前后，处理这样的表达量矩阵后得到PCA图如下所示:

4个分组的表达量矩阵后得到PCA图

文献里面的介绍是:PCA showed that gender was responsible for most of the variance (PC1). In addition, a striking genotype effect was seen in PCA, with the effect of SIRT6 substantially greater in males than females (Fig. 4a).

可以看到第一主成分可以完美的区分性别，而且可解释度高达 63%，然后呢，第二个主成分确实是可以区分处理与否，但是在左边的male组内可以更好的区分。

现在，你知道如何描述你的主成分分析结果了吗？

学徒作业

该文章的表达量矩阵是公开可以获取的， 在: GSE157838, 感兴趣的小伙伴可以试试看，能不能得到类似的主成分分析图表，甚至是更进一步，出三张图！

然后呢，两个性别内部都有处理前后的分组，各自都可以差异分析，然后gsea分析，希望可以得到下面的两次差异分析对比结果！

Using Gene Set Enrichment Analysis (GSEA), we found that inflammatory pathways were significantly inhibited in SIRT6-tg males, whereas a similar but milder effect was seen in females (Fig. 4b and Supplementary Table 6).

两次差异分析的GSEA结果的对比

结论是，在雌雄性别小鼠里面，都看到了 SIRT6 up-regulated proteins were enriched for metabolic-related pathways, whereas down-regulated proteins included immune-related pathways

题外话

很多人拿到了我代码，喜欢问一个很“幼稚”的问题，为什么同样的代码同样的数据分析结果不一样！经过沟通后我让他说出来不一样的地方，对方又是支支吾吾，哑口无言，答非所问！

其实生物信息学数据分析本来就不应该去苛求一模一样，如果是两次差异分析，你看两次分析的基因的logFC的散点图是否相关性很高就足够了。或者说两次差异分析富集到的通路重合度还不错就足够了。