1) PLS-DA：当你的主要目的是区分不同的组别，并且不太关心模型的复杂度时，可以选择PLS-DA。它适合...
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...
首先在bioconductor有一个包mixOmics可以做 偏最小二乘判别分析(PLS-DA) 分析,代码如下所示: 代码语言:javascript 复制 # 我们的 group_list 分组,就是这个样品队列的免疫高低library(mixOmics)pls_results<-plsda(as.data.frame(t(dat)),group_list,ncomp=2)plotIndiv(pls_results,comp=c(1,2),group=group_...
PLS-DA用于筛选治疗前后的差异代谢化合物。如图2C、E和图3C、E所示,各组治疗前后血清样品分离明显。我们使用置换检验进一步验证了PLSDA模型,结果表明置换检验的Q2截距均小于零,表明PLS-DA模型是有效和可靠的,没有过拟合(图2D,F;图3D,F)。根据VIP≥1.00的标准,PH组筛选出131种差异化合物(ESI+)和37种差异产物(...
PLS-DA(Partial Least Squares Discriminant Analysis)和OPLS-DA(Orthogonal Partial Least Squares Discriminant Analysis)是常用的多变量统计分析方法,用于寻找代谢组中与不同组别之间差异显著的代谢物。虽然两种方法都可以用于分类和预测,但它们在建模和解释方面有一些区别: ...
PCA是一种无监督降维方法,对相关性较小的变量不敏感,而PLS-DA能够有效解决这个问题。而OPLS-DA结合了正交信号和PLS-DA来筛选差异变量,是一种有监督的判别分析统计方法。运用偏最小二乘回归建立代谢物表达量与样本类别之间的关系模型,实现对样本类别的预测。本分析主要用于代谢组学中差异代谢物的筛选。OPLS-DA需要...
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分析（PLS-DA) 分析，代码如下所示：# 我们的 group_list 分组，就是这个样品队列的免疫高低 ...
代谢组学火山图是在常规火山图的基础上,以点的大小表示PLSDA或者OPLSD模型的VIP值。以展示实验组 vs 对照组的差异代谢物。 Journal of Translational Medicine文章《Metabolomics combined with network pharmacology reveals a role for astragaloside IV in inhibiting enterovirus 71 replication via PI3K-AKT signaling》...
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: ...
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...