PCA圖，即主成分分析圖，是一種用於數據降維和可視化數據之間關係的方法。在PCA圖中，通常可以看到樣本在多維空間中的分佈情況，以及不同樣本之間的相似性和差異性。以下是PCA圖的主要組成部分和解讀方法：
主成分軸：PCA圖中通常會有兩個或更多的主成分軸，如PCA1和PCA2。這些軸代表了數據降維後的不同維度，在這個空間中，樣本的分佈情況可以被直觀地看到。
載荷係數：橫縱座標軸上的數值表示載荷係數，它反映了各個變量（如基因表達量）與主成分之間的關係。帶“-”號的載荷係數表示變量與主成分之間的關係是負的，不帶“-”號的則是正的。
樣本點：圖中的紅色原點和藍色正方形分別代表不同分組的樣本，如腫瘤組和正常組。樣本點的分佈密度和聚集程度可以反映樣本之間的相似性和差異性。
趨勢線：紅色和藍色線是趨勢線，它們圈住的區域表明樣本在各自分組中的聚集程度。如果樣本在某個區域內聚集，說明這些樣本之間的相似性高，重複性好；反之，如果樣本分散，說明相似性較低，重複性差。
質控樣本：在包含質控樣本的PCA圖中，質控樣品（mix）的聚集程度可以反映檢測過程的穩定性和數據的可靠性。如果質控樣品分散或有變化趨勢，則可能表明檢測質量存在問題。
通過PCA圖，研究者可以直觀地瞭解樣本在多維空間中的分佈模式，以及不同樣本之間的相似性和差異性，這對於進一步的數據分析和解釋具有重要意義。