---
title: "悟空云平台交流视频第七十二期---《因子分析（Factor Analysis）》"
author: "omicsolution.com"
account: "omicsolution.com"
published_at: "2026-09-01T09:52:31+08:00"
captured_at: "2026-09-15T13:56:34.320108+08:00"
source_url: "https://mp.weixin.qq.com/s/L7w1lqkL9Q20XOKMPIgzsw"
---

# 悟空云平台交流视频第七十二期---《因子分析（Factor Analysis）》
![图片 1](images/001.png)

![图片 2](images/002.png)

![图片 3](images/003.png)

![图片 4](images/004.png)

悟空云

组学数据分析平台

易算生物

![图片 5](images/005.png)

你好！本期悟空云，主题是因子分析（Factor Analysis）

进入悟空云：

https://www.omicsolution.com/platform.html

![图片 6](images/006.png)

在蛋白质组数据中，多个蛋白的丰度变化通常并不相互独立。疾病状态、细胞组成、治疗暴露、代谢状态及技术因素，都可能同时影响一组蛋白，使这些蛋白在不同样本之间呈现相关变化。面对这类高维且具有相关结构的数据，仅逐个分析蛋白，往往难以概括数据中反复出现的共同变化模式。

本期悟空云平台交流视频介绍经典多变量统计方法——因子分析（Factor Analysis），并演示如何通过因子数判定、因子载荷、因子图和结构图，识别观测变量背后的潜在变化维度。

见功能圈--3--3因子分析

![图片 7](images/007.png)

---

什么是因子分析

因子分析是一种经典的多变量统计降维方法，主要用于从大量相互关联的观测变量中提取少数几个不可直接观测的“潜在因子”，从而解释数据背后隐藏的共同变化模式。在蛋白质组学数据分析之中，该方法可以帮助我们识别哪些蛋白质具有相似的变化趋势，进而可能可以帮助我们推测这些潜在因子可能代表哪些疾病状态、通路功能等。通过因子载荷结果，我们还可以筛选出与某一潜在因子高度相关的蛋白质，这些蛋白可能是驱动特定生物学过程的重要分子，也可以作为候选 biomarkers 进行后续验证。

---

---

学习视频

---

---

复制下述链接或点击“阅读原文”进入分析页面

https://wkomics.omicsolution.com/wkomics/main/

END

![图片 8](images/008.jpg)

易算蛋白组学前沿方案库

![图片](images/009.webp)

悟空云平台交流视频第六十八期---《磷酸化位点结构属性预测》

悟空云平台交流视频第六十七期---《聚类筛选变量》

悟空云平台交流视频第六十六期---《激酶-底物富集分析》

悟空云平台交流视频第六十五期---《灰色关联度分析（GRA）》

悟空云介绍