Seurat: RunPCA()

https://cloud.tencent.com/developer/article/1813350

1. Feature loading 结果解读

https://www.jianshu.com/p/bcb0b520e056

loading 值越大，则此基因对此 PC 的贡献越大

2. 计算 PVE

PVE: Percent Variance Explained

每个 PC 对总体变异的解释比例

object_used <- Human_REP1_RPL35_KD_25uM_3_200_filtered_feature_over_2500_HVF_1000_dim_5_with_cell_ctcle

(object_used[["pca"]]@stdev^2/sum(object_used[["pca"]]@stdev^2)) * 100

3. 报错及解决一：PCA duplicates 导致 tSNE 报错

https://github.com/satijalab/seurat/issues/167

报错：

Error in Rtsne.default(X = object, dims=dim.embed, pca=FALSE, ...) : Remove duplicates before running TSNE.

报错原因：

数据中出现 PCA 结果完全相同的细胞(duplicate)
Feature 越少，比如对 HTO 数据进行 PCA 然后再 tSNE，duplicate出现的可能性越高

解决：

RunTSNE(..., check_duplicates=F): 强制软件在运行的时候忽略 duplicates