实际上,这个过程在代谢组学数据里面就是OPLS-DA代替PCA,因为代谢组学矩阵即使我们有很明确的分组信息,它全局PCA通常是没办法像转录组表达量矩阵那样的成为一个三张图,详见:在生信技能树的教程:《你确定你的差异基因找对了吗?》 代谢组学数据多变量统计分析方法大致可以分为两类: 一类为非监督的学习方法,即在不...
第一个图是色谱图的峰数量随甲醇比例的变化，第二个是根据定性出来的代谢物峰面积做了个PCA模型，果然，明晃晃的数据显示复溶试剂中甲醇的比例与代谢物的检测具有明显的关系，随着甲醇比例的升高，可以检测到的峰的数量在减少。再看pH。Figure 2. Total number of detected metabolite features (y-axis) as a f...
其实在绝大部分代谢组数据里面,我们的分组,都是不太可能在全局PCA里面区分开来,所以有基于正交信号校正的偏最小二乘判别分析(OPLS-DA) 来代替PCA,有点类似于我们前面的使用局部基因(免疫相关基因)后的PCA,它天然就可以把我们的生物学分组很好的区分开来。 首先在bioconductor有一个包mixOmics可以做 偏最小二乘判别...
ropls包可以实现PCA、PLS(-DA)和OPLS(-DA)方法,包括R2和Q2质量指标,VIP值的计算,检测异常值的分数和正交距离,以及许多图形(分数、加载、预测、诊断、异常值等)。 二、背景知识 偏最小二乘法(PLS)是一种基于预测器和因变量之间协方差的潜在变量回归方法,已被证明可以有效地处理多共线预测器的数据集,如光谱测量。
我们今天开始学习代谢组学的下游分析,首先来分辨代谢组学下游分析的三种分析方法——PCA(主成分分析),PLS-DA(偏最小二乘法判别分析),OPLS-DA(正交偏最小二乘法判别分析)。 学过转录组学的同学们对PCA一定不陌生,它是最常见的多元统计分析方法之一,其用...
我们今天开始学习代谢组学的下游分析,首先来分辨代谢组学下游分析的三种分析方法——PCA(主成分分析),PLS-DA(偏最小二乘法判别分析),OPLS-DA(正交偏最小二乘法判别分析)。 学过转录组学的同学们对PCA一定不陌生,它是最常见的多元统计分析方法之一,其用处在于“化繁为简”,将大量相关变量通过线性变换进行简化降...
代谢组学数据分析中,最常用的多维模型包括主成分分析(principal component Analysis, PCA)、偏最小二乘法判别分析(Partial least squares discriminant Analysis, PLS-DA)和正交偏最小二乘法判别分析(orthogonal PLS-DA, OPLS-DA)。PCA属于无监督的分类模型,可将多维的数据不断降维形成几个主要成分(PC)来尽可能描述...
代谢组学数据分析中,最常用的多维模型包括主成分分析(principal component analysis, PCA)、偏最小二乘法判别分析(Partial least squares discriminant analysis, PLS-DA)和正交偏最小二乘法判别分析(orthogonal PLS-DA, OPLS-DA)。PCA属于无监督的分类模型,可将多维的数据不断降维形成几个主要成分(PC)来尽可能描述...
1. 主成分分析主成分分析（Principal Component Analysis, PCA）是一种广泛使用的统计方法，它利用正交变换将一组观测到的令人信服的相关变量的观测值转换成一组称为主成分的线性不相关变量的值。这是一种无监督的统计分析方法，可能是代谢组学研究中使用最广泛的统计工具。PCA主要用于探索性数据分析和建立预测模型。
主成分分析(Principal Component Analysis, PCA)是一种广泛使用的统计方法,它利用正交变换将一组观测到的令人信服的相关变量的观测值转换成一组称为主成分的线性不相关变量的值。这是一种无监督的统计分析方法,可能是代谢组学研究中使用最广泛的统计工具。PCA主要用于探索性数据分析和建立预测模型。