2.2 方法选择:OPLS_DA(正交偏最小二乘回归分析)、PLS_DA(偏最小二乘回归分析) 2.3选择比较组:OPLSDA仅支持两组数据进行分析。 2.4横纵坐标字体大小:按需求自行设置 2.5元素大小:图中显示的元素图形大小 2.6是否添加椭圆:图例如下 椭圆一:按照正常计算方式得到分组椭圆(有些结果可能加不上分组椭圆) 椭圆二:强行...
- 得分图：OPLS-DA得分图展示了样本在预测主成分和正交主成分上的分布，通过得分图可以直观地观察不同组别之间的差异。- S-plot图：S-plot图是一种用于识别和解释OPLS-DA模型中重要变量的工具，横坐标表示协方差，纵坐标表示相关系数，可以揭示变量与组别分类的相关性。- 模型验证：OPLS-DA模型的好坏可以通过R2X...
在线作图丨数据降维方法③——正交偏最小二乘方判别分析(OPLS-DA),程序员大本营,技术文章内容聚合第一站。
但PCA对相关性较小的变量不敏感,而PLS-DA(偏最小二乘判别分析)能够有效解决这个问题。而OPLS-DA(正交偏最小二乘判别分析)结合了正交信号和PLS-DA来筛选差异变量。 “本分析主要用于代谢组学中差异代谢物的筛选。 数据集 液相色谱高分辨质谱法(LTQ Orbitrap)分析了来自183位成人的尿液样品。 sacurinelist 包含了...
正交偏最小二乘法判别分析（OPLS-DA）在代谢组学等领域应用广泛。它通过多因变量对多自变量的回归模型，去除自变量中与分类变量无关的数据变异，将分类信息集中在主成分中，简化模型，易于解释。OPLS-DA能建立代谢物表达量与样本类别之间的关系模型，预测样品类别，PCA则无法实现。对于如何在线绘制OPLS-DA...
右上图,OPLS-DA模型的R2Y和Q2Y与随机置换数据后获得的相应值进行比较。 离群点展示(左下) 展示了各样本在投影平面内以及正交投影面的距离,具有高值的样本标注出名称,表明它们与其它样本间的差异较大。颜色代表性别分组。 x-score plot(右下) 各样本在OPLS-DA轴中的坐标,颜色代表性别分组。 可视化 library(...
与PCA不同的是,PLS-DA和OPLS-DA则是有监督的模式,属于模型的方法。它们使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,对数据降维,这种监督模式通常可以更好地确立样本关系,如下图所示这样,无监督的PCA无法很好地区分组间样本时,而PLS-DA则实现有效分离。除了降维数据外,PLS-DA和OPLS-DA还可实现...
OPLS-DA分析 1、使用opls包中的opls函数进行分析: 注:不指定或orthoI = 0时,执行PLS;orthoI = NA时,执行OPLS 得到初步的图形,具体解释见此前PLS-DA分析文章: 2、提取作图数据 基于ggplot2包进行可视化 提取VIP值并进行可视化 1、提取VIP值 2、将VIP值与原始数据合并 ...
Inertia(惯量)柱形图(左上) 展示三个正交轴R2Y和Q2Y。评估正交组分是否足以通过显示累释率来评估。 显着性诊断(右上) 实际和模拟模型R2Y和Q2Y值经随机排列后的散点图,模型R2Y和Q2Y(散点)大于真实值时(横线),表示产生过拟合2。右上图,OPLS-DA模型的R2Y和Q2Y比较随机置换数据后获得的相应值。
OPLS-DA分析结果显示，模型对X和Y矩阵的解释率（R2X和R2Y）及预测能力（Q2）越接近于1，表明模型拟合度越高，训练集样本能够被更准确地划分到其原始归属中。通过OPLS-DA分析，可以直观地筛选出差异代谢物，对代谢物进行筛选，进而可视化分析，以加深对代谢过程的理解。此方法在代谢组学研究中具有重要...