主成分分析，成分標簽？

Question

我有一個數據框，其中有17列（一個基因的每一列）和34行（一個病人的每一行）

Patient EXO1 MLH1 MSH2 MSH3 MSH6 PCNA PMS1 PMS2 POLE POLE2 POLE3 POLH RFC2 
1651109    0    0    1    1    1    1    1    1    1     0     1    0    0      
1651648    0    1    1    1    1    0    1    0    1     0     0    1    1  
........

數據框的名稱為testdb 。 然后我跑

res=princomp(testdb);  
summary(res);

那表明

Importance of components:  
                          Comp.1    Comp.2    Comp.3     Comp.4     Comp.5  
Standard deviation     0.6577676 0.4757815 0.4138278 0.39002636 0.37679135  
Proportion of Variance 0.2822533 0.1476757 0.1117206 0.09923892 0.09261812  
Cumulative Proportion  0.2822533 0.4299290 0.5416497 0.64088859 0.73350672  
....

名稱是comp.1 comp.2 comp.3 ....這太愚蠢了。如何將名稱映射回基因名稱？ 我知道biplot(res)將在輸出圖上打印一些基因，但這顯然不是獲取基因名稱的正確方法。

Answer 1

盡管大多數內容已在評論中說明，但我正在將其轉化為答案。

主成分分析的成分是原始變量的線性組合。 因此，成分和基因之間沒有一對一的映射。 除特殊情況外，每個成分都描述多個基因。 他們中有些人有積極貢獻，有些人則有負面貢獻。 有些具有較大的絕對值，有些則具有較小的絕對值。 您可以從加載矩陣中看到這些貢獻：輸入loadings(res) ，您將看到每個組件的組成。

您可以在上樣矩陣的列中找到具有最大絕對值的基因。 這樣，您就可以確定每個組件的“主要貢獻者”。 但是除非這種貢獻非常接近，否則將其作為基因的代名詞充其量只會產生誤導。 如果要根據單個基因進行分析，則PCA並不是正確的工具。

如果您確定盡管有上述警告，但仍希望“主要貢獻者”，則可以使用以下代碼進行操作：

l <- loadings(res)
rownames(l)[apply(l, 2, function(x) which.max(abs(x)))]