Bulk转录组 PCA 美化图：二维、三维与 ggbiplot

摘要LLM 归库摘要

• 核心内容： 三篇教程分别覆盖 FactoMineR/factoextra 的二维 PCA 美化、从表达矩阵到碎石图/样本图/变量贡献图/biplot 的完整 prcomp 流程，以及 ggbiplot 的分组椭圆、相关环和变量向量。第一篇还展示 pca3d 三维 PCA。
• 适用场景： Bulk RNA-seq 的样本关系检查、批次效应/离群样本初筛、分组可视化和候选高变异基因的解释性展示。PCA 图应作为 QC 和探索性分析，不替代差异检验。
• 输入： 基因 × 样本的表达矩阵，以及至少包含样本 ID 和分组列的样本信息表。PCA 不建议直接对原始 count 做未经说明的距离计算；优先使用 logCPM、DESeq2 VST/rlog 或其他记录清楚的变换值。
• 输出： PC1/PC2 样本散点图、可选 95% 分组椭圆、碎石图、样本 scores、变量贡献/cos2 表、biplot；三维图仅作为可选探索输出。
• 关键参数： 样本/基因矩阵方向、中心化与 scale.、高变异基因或 MAD 筛选数、椭圆置信水平、ggbiplot 的 var.axes/circle 和变量标签数量。
• 常见错误： 把行列方向弄反；样本信息没有按表达矩阵列名重排；把分组椭圆当作显著性检验；直接用原始 count；复制公众号代码中的未定义变量、排版换行或调色板拼写。
• 与口腔生信连接： 可用于牙周炎、OSCC 或口腔黏膜 bulk RNA-seq 的样本 QC、病变/对照分组检查和批次效应排查。发现稳定分组差异后，再连接 DEG、通路富集及细胞组成/免疫浸润分析；PCA 本身不能证明机制。
• 归库说明： 三篇原文证据页位于 03 生信教程与工具库/01_sources/web_clips/；可复用脚本已整理到私有 hz-bioinfo-codes 的 04_Bulk转录组/4.2_PCA/。

一、三篇教程的互补关系#

二、推荐的 Bulk RNA-seq PCA 流程#

表达矩阵（基因 × 样本） + 样本信息
              |
              v
检查样本 ID、数值类型、缺失值、全零基因和零方差基因
              |
              v
选择已标准化/变换的数据：logCPM、DESeq2 VST/rlog 等
              |
              v
按 MAD 或明确的高变异基因规则筛选（记录 top_n）
              |
              v
prcomp(t(expression), center = TRUE, scale. = TRUE/FALSE)
              |
              +--> scree plot：查看解释率
              +--> sample plot：检查分组、离群样本和批次
              +--> variable plot/biplot：解释高贡献变量
              +--> optional 3D：探索，不作为唯一结论

输入方向与样本对齐#

• 表达矩阵约定：行名是基因/特征，列名是样本。
• PCA 输入给 prcomp() 前需要转置为“行是样本、列是变量”，所以通常使用 prcomp(t(expr), ...)。
• 样本信息表必须以样本 ID 为键，按 colnames(expr) 重排后再添加到 PCA scores；禁止只按文件行顺序合并。
• 先确认表达矩阵是原始 count、TPM/FPKM 还是已变换值。差异分析和 PCA 的输入用途不同，不能为了作图覆盖原始 count 的统计用途。

高变异筛选#

mad() 可作为探索性筛选指标。建议把 top_n 写进脚本和结果文件；如果样本量很小，不要把高 MAD 排名误解成生物学差异基因。正式分析也可使用全基因或预先定义的过滤规则，并进行敏感性比较。

椭圆和解释率#

分组椭圆只描述所选二维空间中的组内几何范围；它不提供差异显著性。建议显式记录 ellipse.level = 0.95、样本数和分组定义。坐标轴标签应包含方差解释率，例如 PC1 (32.4%)，但解释率高不代表轴具有特定生物学机制。

三、脚本与远程代码#

远程目录：04_Bulk转录组/4.2_PCA/

• 01_factoextra_PCA二维美化.R：用 prcomp 计算 PCA，再用 factoextra/ggplot2 输出二维分组图。
• 02_prcomp_factoextra_Bulk_PCA完整流程.R：从输入检查、MAD 筛选、PCA 到碎石图、样本图、变量贡献表和 biplot 的完整流程。
• 03_ggbiplot_Bulk_PCA美化.R：用 ggbiplot 输出带分组椭圆和可选变量向量的 biplot。
• README.md：输入文件格式、运行顺序、包依赖、参数和结果说明。

当前仅完成静态代码审查和参数/API 对照；本机当前没有可执行的 Rscript，因此尚未运行真实 R 包测试。正式复现前需在安装 ggplot2、factoextra、FactoMineR 和可选 ggbiplot/pca3d 的 R 环境中运行，并记录版本。

四、进一步连接口腔生信课题#

1. 先用 PCA 检查样本是否按实验分组、组织来源或批次聚类；若主成分主要被批次解释，应先处理设计和校正问题。
2. 用 PCA 发现的离群样本只能作为复核线索，不能仅凭图删除样本；需要结合测序质量、文库信息和预先设定的排除标准。
3. 在分组结构稳定后，继续使用原始 count 做 DESeq2/edgeR 等差异分析，并将 PCA 的变换方法与差异分析输入清楚分开。
4. 对口腔炎症或 OSCC 样本，PCA 结果可与免疫浸润、细胞组成估计、通路活性和临床变量联合解释，但不能单独推出细胞通讯或因果机制。