1. 深度认同：PC1 是“定海神针”
图中 PC1 贡献率高达 49.2%，这在临床样本中是非常强劲的信号。
- 逻辑核心：T46 和 C20 在 PC1 轴上的投影位置，完美地落在了它们各自组别（T 组和 C 组）的势力范围内。这说明：它们的核心生物学特征（即区分 T 和 C 的关键蛋白表达）是完全正常的。
- PC2 的变异：PC2 只占 10.4%。这两个样本在 PC2 上的极端下移，往往代表它们在某些“非研究主线”的指标上异于常人（例如：这两个患者可能恰好都服用了某种特殊药物，或者采样时间在深夜）。
2. 针对三个样本的分类处理建议
| 样本 | 风险等级 | bioKnives 自动化排查建议 (R 逻辑) | 最终处理策略 |
|---|---|---|---|
| T6 | 高风险 | 1. 统计该样本的 Missing Value (NA) 比例。 2. 检查其 Identification Count。 | 按需剔除。如果鉴定数比平均值低 30% 以上，则剔除；如果鉴定数正常，则保留。 |
“在质量控制阶段，虽然 PCA 识别出 T46、C20 和 T6 三个潜在偏离点，但深入分析显示 T46 与 C20 仅在解释度较低的次要分量（PC2, 10.4%）上表现出异质性，而其在主导生物学变异分量（PC1, 49.2%）上的投影高度符合各自分组的特征分布。因此，判定 T46 与 C20 为真实的生物学变异个体而非技术异常，予以保留。仅针对 PC1、PC2 均显著偏离且鉴定深度较低的 T6 样本进行剔除评估。”
为了彻底验证这个逻辑，你可以让你的 Knife-Agent 跑一个 Loading Plot（载荷图）：
- 看看哪些蛋白贡献了 PC2 的变异（即把 T46、C20 往下拉的那些蛋白）。
- 如果这些蛋白是一堆血蛋白（Albumin 等）或角蛋白（Keratin），说明是采样污染；
- 如果这些蛋白是功能相关的代谢酶，说明是生物学差异。
临床样本最怕“过度清洗”。如果把 T46、C20 这种在主成分上表现完美的样本删掉，你的 20 人团队可能会丢失掉研究“极端表型”或“耐药/敏感亚群”的唯一机会。
建议： 重点排查 T6 的质谱原始数据（TIC 图和蛋白鉴定数），如果 T6 的鉴定数没问题，这 100 个样本甚至可以一个都不删，全量进入 limma 统计。
直接给你结论：
👉 这两个样本 90% 不是坏样本，不建议直接删除
👉 更像是生物学亚型 / 临床特征差异，而不是测序/质控问题
为什么这么判断？
-
PC1 才是主导变异（接近 50%）
PC1 解释接近一半的差异，通常对应：- 分组（病例/对照）
- 组织类型
- 总体测序质量、降解程度
它们在 PC1 上不离群 → 整体质量、大方向和其他人一致
-
只在 PC2 上离群，是典型“亚群信号”
PC2 一般解释次要差异，临床样本里非常常见：- 性别差异
- 年龄偏大/偏小
- 肿瘤纯度高/低
- 某一种分子亚型
- 吸烟、饮酒、合并症
- 轻微批次效应
这种只在次要主成分飘开，几乎不会是样本烂掉、污染那种极端离群。
你现在该做的 3 件事（10 分钟就能确定）
1）在 PCA 图上把这两个样本标出来
看它们俩：
- 是不是聚在一起？
→ 聚一起：高度怀疑是同一个亚型/同一类临床特征 - 还是各飘各的？
→ 更可能是个别因素（比如一个样本轻度溶血）
2）核对这两个样本的临床信息
优先查：
- 性别
- 年龄
- 分期/分级
- 是否接受过术前治疗
- 样本类型（冰冻/石蜡）
- 取样部位
只要有一项和其他人明显不一样 → 就是生物学原因，不能删
最简单可执行方案
- 先不删
- 把性别、年龄、批次等丢进模型当协变量校正
- 跑一次差异基因/富集
- 如果结果稳健、富集合理 → 就保留
- 如果这两个样本一去掉，结果完全大变 → 再考虑剔除
一句话总结
PC1 不离群、只在 PC2 离群 = 典型亚组差异，优先保留并校正协变量，不要直接删。
. 技术性因素：样本鉴定质量 (Technical Quality)
这是最常见的原因，尤其是当样本在 PC2 上“掉队”严重时。
蛋白质鉴定数 (Protein Groups ID)：如果某个样本的鉴定数显著少于均值（例如大家都是 5000，它是 3500），它在空间中的位置会剧烈偏移。
缺失值比例 (Missing Values)：PC2 经常捕获那些“因为浓度低而在部分样本中丢失”的蛋白信号。如果 T6 的 NA（缺失值）很多，它会被推向 PC2 的极端。
强度中位数 (Median Intensity)：检查预处理前的原始强度。如果某个样本整体响应偏低，即使做了归一化，其噪声比例也会更高，从而影响 PC2。