对比单变性过之前和之后的PLS-DA分析,对从非目标LC-MS代谢学数据中识别的差异变量/代谢物进行比较
Suyun Xu1, Caihong Bai2, Yanli Chen3
1State Key Laboratory of Southwestern Chinese Medicine Resources, Chengdu University of Traditional Chinese Medicine, Chengdu, Sichuan, 611137, China; School of Basic Medicine, Chengdu University of Traditional Chinese Medicine, Chengdu, Sichuan, 611137, China; Innovative Institute of Chinese Medicine and Pharmacy, Chengdu University of Traditional Chinese Medicine, Chengdu, Sichuan, 611137, China.
单变量数据预过通过提高特征稳定性和可靠性,增强了代谢学部分最小平方区分分析 (PLS-DA). 与直接分析或过后方法相比,先行过产生了更可靠的差异特征.
科学领域:
- 化学测量 化学测量 化学测量
- 代谢学 代谢学 代谢学
- 生物信息学是一种生物信息学.
背景情况:
- 部分最小平方区分分析 (PLS-DA) 被广泛用于高维代谢学数据分类.
- 微不足道的特征和直角噪声可能会扭曲PLS-DA模型,导致不可靠的特征选择.
- 单变性过通常用于改进特征,但可以产生不稳定的结果.
研究的目的:
- 为了比较单变量数据过在PLS-DA之前和之后对差异特征识别的影响.
- 调查不同数据分析程序的不同结果背后的机制.
主要方法:
- 从人类血清和C. elegans提取物中分析了LC-MS数据.
- 通过增加代谢物标准来模拟生物样本.
- 通过使用FDR调整的p值进行单变量数据预过的PLS-DA和无单变量数据预过的比较.
主要成果:
- 在PLS-DA之前的单变量数据预过产生了较少,但更稳定,可靠和有意义的差异特征.
- 对原始数据的直接PLS-DA容易受到微不足道的特征和噪音的影响,扭曲模型并膨胀VIP值.
- 预过减轻了错误阳性,通常观察到常规的VIP值为1.0.
结论:
- 单变量数据预过对于PLS-DA中可靠的差异性特征识别至关重要,特别是在1.0.0的VIP值时.
- 微不足道的特征会扭曲PLS-DA模型并膨胀VIP值;适当的VIP值取决于输入特征和组件.
- 对于没有预过的PLS-DA,建议VIP值>1.0以减少错误阳性.
更多相关视频
11:00Untargeted Metabolomics from Biological Sources Using Ultraperformance Liquid Chromatography-High Resolution Mass Spectrometry UPLC-HRMS
Published on: May 20, 2013
11:02Identification and Quantification of Deranged Metabolites in Critically Ill Patients Using NMR-Based Metabolomics
Published on: November 29, 2024