PLS-DA能按照预先定义的分类(Y变量)最大化组间的差异,获得比PCA更好的分离效果。 正交偏最小二乘判别分析(Orthogonal PLS-DA,OPLS-DA )是一种有监督的判别分析方法,是多变量统计分析方法。OPLS-DA综合了PLS-DA和正交信号过滤(orthogonal signal correction, OSC)技术,能够把与预先设定的和分类无关的信息最大程...
SIMCA14软件的使用(HCA、PCA、OPLS-DA分析), 视频播放量 1989、弹幕量 0、点赞数 11、投硬币枚数 6、收藏人数 22、转发人数 3, 视频作者 在学习的小鱼丸, 作者简介 中药学研二|复方神经药理方向欢迎私信交流,相关视频:SIMCA14的使用(3),SIMCA14软件的使用(2),40分
PCA可以简化复杂数据,使分析过程变得更容易,一方面留下数据中对方差贡献最大的特征,另一方面对数据进行“降维”,还可以去除数据噪音。它的本质是一种“无监督”的模式,在分析时不知道每个样本的分组,单纯根据数据的特征进行分析。 图:PCA得分图 与PCA不同的是,OPLS-DA则是有监督的模式,属于模型的方法。它们使用偏...
OPLS-DA分析中,S-plot图帮助识别与主成分和分类相关性强的代谢物,同时评估模型的R2X、R2Y和Q2值,反映模型对X和Y矩阵的解释率以及预测能力。验证图通过permutation test确定模型的最优性。要进行PCA、PLS-DA、OPLS-DA分析,可以使用如MetaboAnalyst这样的在线平台,它提供从数据预处理到模型构建和图形...
PCA与OPLS-DA 主成分分析(PCA) 主成分分析(principal component analysis,PCA)是多元统计分析中最常见的数据分析方法,它能够将大量相关变量通过线性变换转化为一组最能代表数据特征的不相关的变量,用这组不相关变量来描述样本,进而简化分析...
(PCA)是一种无监督降维方法,能够有效对高维数据进行处理。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。
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。
【迈维云SCI作图18讲】第2讲:怎么筛选差异代谢物?PLS-DA来搞定 1522 1 12:23 App 【迈维云SCI作图18讲】第10讲:多组学分析必会——Kegg富集分析小工具——迈维代谢 797 -- 23:42 App 【迈维云SCI作图18讲】15讲:高级富集气泡图+17讲:高级相关性网络图——迈维代谢 227 -- 8:10 App 【迈维云SCI作图...
而且,当无监督(PCA)无法很好地区分组间样本时,PLS-DA可以实现有效分离。并且PLS-DA和OPLS-DA所构建的分类预测模型,可进一步用于识别更多的样本类别,这是探索性的PCA方法无法做到的。 另外,PLS-DA和OPLS-DA所构建的分类模型中的载荷图可用于衡量各代谢物组分对样本分类判别的影响强度和解释能力,辅助标志代谢物的筛选...
与PCA不同,PLS是“有监督”模式的偏最小二乘法分析,也就是在分析数据时,已知样本的分组关系,这样可以更好的选择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。