OPLS-DA)是一种多变量统计分析方法,主要用于分类和特征选择,尤其在代谢组学和组学数据分析中非常有用。OPLS-DA结合了偏最小二乘回归(PLSR)和正交信号校正(OSC)两种技术,旨在区分不同组别的样本,并识别影响组别分类的关键变量。一
其原理是以原假设为起点,假定两组没有差别,由此将两组样本合并,然后从中以无放回方式进行抽样,分别归入两个组再计算统计量,反复进行此过程,得到置换分布,在此基础上进行推断。对于OPLS-DA分析来说,置换检验针对的就是实验组和对照组,置换检验模型是随机打乱实验组和对照组的分组标签(Y变量),...
第二步,对X P进行偏小二乘分析。 图1 OPLS的概述图 1.OPLS-DA图表简述 [1].OPLS-DA的得分图 OPLS-DA 得分图的横坐标表示OSC过程中的主要成分的得分值(Tp),所以从横坐标的方向可以看到组间的差异;纵坐标表示 OSC过程中的正交成分的得分值(TO);所以从纵坐标上看出组内的 差异(组内样本间的差异) 图2 ...
第二步,对XP进行偏最小二乘分析。 图1 OPLS的概述图 3.OPLS-DA图表简述 [1].OPLS-DA的得分图 OPLS-DA 得分图的横坐标表示OSC过程中的主要成分的得分值(Tp),所以从横坐标的方向可以看到组间的差异;纵坐标表示OSC过程中的正交成分的得分值(TO);所以从纵坐标上看出组内的差异(组内样本间的差异)。 图2 ...
第二步,对XP进行偏小二乘分析。 图1 OPLS的概述图 1.OPLS-DA图表简述 [1].OPLS-DA的得分图 OPLS-DA得分图的横坐标表示OSC过程中的主要成分的得分值(Tp),所以从横坐标的方向可以看到组间的差异;纵坐标表示OSC过程中的正交成分的得分值(TO);所以从纵坐标上看出组内的差异(组内样本间的差异) 图2 OPLS-DA...
第二步,对XP进行偏最小二乘分析。 图1 OPLS的概述图 OPLS-DA 图表简述 [1]. OPLS-DA的得分图 OPLS-DA 得分图的横坐标表示OSC过程中的主要成分的得分值(Tp),所以从横坐标的方向可以看到组间的差异;纵坐标表示OSC过程中的正交成分的得分值(TO);所以从纵坐标上看出组内的差异(组内样本间的差异)。
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需要样本变量矩阵和样本分类矩阵两个文件确立样本关系。
OPLS-DA是一种“有监督”模式的分析方法,也就是说在分析数据时,已知样本的分组情况,这样可以更好的区分各组的特征变量,确定样本之间的关系。DA是判别分析,PLS-DA用偏最小二乘回归的方法,在对数据“降维”的同时,建立了回归模型,并对回归结果进行判别分析。OPLS-DA则是在PLS-DA的...
第二步,对XP进行偏最小二乘分析。 图1 OPLS的概述图 OPLS-DA 图表简述 [1]. OPLS-DA的得分图 OPLS-DA 得分图的横坐标表示OSC过程中的主要成分的得分值(Tp),所以从横坐标的方向可以看到组间的差异;纵坐标表示OSC过程中的正交成分的得分值(TO);所以从纵坐标上看出组内的差异(组内样本间的差异)。