PCA分析
文献引用：Bioinformatic analysis was performed using the OECloud tools at https://cloud.oebiotech.com.
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
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。
参数调整
结果与说明
任务正在排队中，目前后台全部排队数量:
当前任务运行预计需要耗时
程序正在运行中，预计需要耗时
程序运行出错，报错信息如下：
1.矩阵文件
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。（下图以基因reads数矩阵为例展示）
demo数据下载：counts.oecloud.xls
2.样本分组信息文件（非必选）
示例文件为样本分组信息，需包含列名 "Group"（注意列名的首字母大写）。
demo数据下载：sample_group.oecloud.xls
3.样本分组信息文件（新增二分类标签组，非必须）
示例文件为样本分组信息，需包含列名 "Group"，二分类标签组必须命名为“Group2（注意列名的首字母大写）”。
demo数据下载：
sample_group.oecloud.xls
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，添加置信椭圆绘图示例如下：
PCA 2D图，添加二分类标签图示例如下：
(1) 少于3个样本或者3条数据时，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，且各组内生物学重复需为4个样本及以上；
(4) 导出PCA分析中间结果，即各主成分数据矩阵；
(5) 请使用本工具前，按照输入示例文件格式对数据进行修改；
| 版本 | 更新日期 | 更新内容 |
|---|---|---|
| v1.9 | 2020.09.27 | 整合多平台主成分分析工具 |
| v1.9.1 | 2020.10.25 | 添加置信区间椭圆相关参数 |
| v2.1.2 | 2020.11.04 | 修改默认输出图片格式 |
| v2.1.3 | 2020.11.13 | 针对目前所遇到的文件格式错误制定报错机制 |
| v2.1.4 | 2020.12.11 | 添加字体参数-PCA-3D除外, 判断编码方式 |
| v2.1.5 | 2020.12.26 | 判断编码方式优化, 空数据矩阵检查, 导出pca中间结果 |
| v2.1.5.1 | 2020.12.28 | 修复小bug |
| v2.4.0 | 2021.01.22 | 报错日志oeweb_task.log |
| v2.4.1 | 2022.01.30 | 新增控制点大小，标记基因线是否展示参数。选择非png格式时，默认生成png。 |
| v2.4.2 | 2022.02.15 | 调整微生物数据绘图比例 |
| v2.4.9 | 2022.09.14 | 添加2d图像x轴和y轴缩放比例参数 |
| v2.4.10 | 2022.10.08 | 优化读取数据模块 |
| v2.5.0 | 2022.11.04 | 添加配色方案 |
| v2.5.1 | 2022.12.08 | 解决3d图分组配色问题 |
| v2.5.2 | 2022.12.23 | 2d图添加二分类标签 |
| v2.5.5 | 2023.02.06 | 添加转录组默认配色 |