Sehen diese Proben für dich gleich aus?

Wenn du PCA-Plots betrachtest, bekommst du ein Gefühl für Ähnlichkeiten und Unterschiede zwischen Proben auf globaler Ebene. Mit den Ausgaben aus der Qualitätskontrolle der Proben (QC) lassen sich PCA-Plots der verarbeiteten Daten unkompliziert erstellen. Unten siehst du einen Plot für alle vier Proben, die die QC bestanden haben.

Sieh dir den Plot an und überlege dir anschließend die folgenden Aussagen. Welche davon stimmen?

1. Die Proben clustern nach Bedingung.
2. Ein solcher Plot kann mit der Funktion plotPrincomp() erstellt werden.
3. Mit einem PCA-Plot lässt sich leicht erkennen, welche Peaks sich zwischen den Gruppen am stärksten unterscheiden.