主成分分析（Principal Component Analysis, PCA）是將原本鑒定到的所有代謝物重新線性組合，形成一組新的綜合變量，同時根據(jù)所分析的問題從中選取2-3個綜合變量，使它們盡可能多地反映原有變量的信息，從而達(dá)到降維的目的。同時，對代謝物進(jìn)行主成分分析還能從總體上反應(yīng)組間和組內(nèi)的變異度。總體樣本PCA分析采用PCA的方法觀察所有各組樣本之間的總體分布趨勢，找出可能存在的離散樣本，綜合考慮各種因素（樣品數(shù)，樣品珍貴程度，離散程度）決定離散點(diǎn)的除去與否。所有樣本PCA得分圖見下圖（對樣本進(jìn)行兩兩分析的PCA得分圖）。

將25個實(shí)驗(yàn)樣本和QC樣本提取得到的峰，歸一化后進(jìn)行PCA分析，如圖所示QC樣本（黑色） 緊密聚集在一起，表明本次試驗(yàn)的儀器分析系統(tǒng)穩(wěn)定性較好，試驗(yàn)數(shù)據(jù)穩(wěn)定可靠，在試驗(yàn)中獲得的代謝譜差異能反映樣本間自身的生物學(xué)差異。