能否在R中以列为样本、行为变量运行PCA？针对大基因组数据集

针对你的大尺寸数据集（500K变量×60K样本），直接转置矩阵再用prcomp会浪费内存和时间，这里提供两种实用方案：

方案1：利用PCA数学性质高效计算 #

主成分分析的核心是协方差矩阵的特征值分解。当数据矩阵X为变量行、样本列时，样本的协方差矩阵是(X'X)/(n-1)（n为样本数），这个矩阵的维度是60K×60K，远小于变量协方差矩阵的500K×500K，计算效率极高。

具体代码实现：

# 假设X是变量为行、样本为列的矩阵
n_samples <- ncol(X)
# 对变量做中心化（prcomp默认开启中心化）
X_centered <- X - rowMeans(X)
# 计算样本的交叉乘积矩阵
cross_prod <- crossprod(X_centered)
# 对交叉乘积矩阵做特征值分解
eig_result <- eigen(cross_prod/(n_samples - 1), symmetric = TRUE)
# 计算主成分得分（对应prcomp输出中的x）
pc_scores <- t(X_centered) %*% eig_result$vectors
# 计算主成分载荷（对应prcomp输出中的rotation）
pc_loadings <- eig_result$vectors %*% diag(1/sqrt(eig_result$values))
# 构建与prcomp结构一致的结果
pr_output <- list(
  sdev = sqrt(eig_result$values),
  rotation = pc_loadings,
  x = pc_scores,
  center = rowMeans(X),
  scale = FALSE
)

方案2：直接转置矩阵调用prcomp（仅内存充足时使用） #

如果你的机器内存能承载转置后的60K×500K矩阵，可以直接转置后传入prcomp，函数会自动针对“样本数远小于变量数”的场景优化算法：

# X是变量为行、样本为列的矩阵
pr_output <- prcomp(t(X), center = TRUE, scale. = FALSE)

但不推荐这种方式，因为转置大矩阵会额外消耗内存和时间。

重要提示 #

你的数据集属于“变量数远多于样本数”的场景，方案1通过直接计算小维度的交叉乘积矩阵，避免了不必要的矩阵转置，是效率最优的选择。

内容的提问来源于stack exchange，提问作者curious