关于违反统计假设对化学"奥米克"数据的尺寸缩小的影响的见解,其中包含多个解释变量

科学领域:

• 代谢学 代谢学 代谢学
• 化学信息学 化学信息学
• 生态生态学 生态生态学

背景情况:

• 生物挥发性分析由于高维度和复合峰值区域的广泛变化而带来了挑战.
• 当前的维度缩小方法通常假定数据的正常性和线性,这在生物数据集中经常被侵犯.
• 日志转换可以解决正常度偏差,但需要仔细考虑变量效应 (加法与乘法).

研究的目的:

• 评估统计模型 (单变量与多变量) 和日志转换对挥发性的维度减少的影响.
• 评估这些因素如何影响下游监督和无监督分类分析.
• 确定最可靠的方法来减少挥发性的维度,特别是复杂的生物样本.

主要方法:

• 来自带状背 (Tiliqua rugosa) 的挥发性数据在自然息地和囚禁中收集.
• 分析涉及单个和多变量统计模型,有和没有日志转换.
• 蒙特卡洛测试用于对转换和未转换数据进行维度缩小.

主要成果:

• 排除多个解释变量导致了对息地 (生物区域) 影响的高估和化合物识别的不准确.
• 日志转换和正常性假设增加了发现的重要化合物的数量.
• 通过多变量蒙特卡洛测试分析未经转换的数据,得到了最保守的维度缩小.

结论:

• 准确的挥发量分析需要考虑多个解释变量,并仔细考虑数据转换.
• 选择的尺寸缩小方法对生物相关化合物的识别有重大影响.
• 对未经转换的数据的多变量分析为复杂的生物挥发体提供了更可靠的方法.