【回歸分析】是功能代謝組學(xué)研究的重要工具,通過(guò)建立回歸模型可考察組學(xué)多元變量數(shù)據(jù)與功能、質(zhì)量、等級(jí)等宏觀數(shù)據(jù)之間的關(guān)聯(lián),從而實(shí)現(xiàn)篩選重要變量、建立評(píng)價(jià)標(biāo)準(zhǔn)和預(yù)測(cè)結(jié)果等目的。
|
||||||||||||||||||
[發(fā)表評(píng)論] [本類其他服務(wù)] [本類其他服務(wù)商] |
服務(wù)商: 上海阿趣生物科技有限公司 | 查看該公司所有服務(wù) >> |
功能代謝組學(xué)的新式利器【回歸分析】已經(jīng)默默的開(kāi)展了一個(gè)多月了,以低至5000元/組的勁爆價(jià)格,常規(guī)快到3個(gè)工作日的極短周期,受到了大家的一致好評(píng)。
科普:
【回歸分析】是功能代謝組學(xué)研究的重要工具,通過(guò)建立回歸模型可考察組學(xué)多元變量數(shù)據(jù)與功能、質(zhì)量、等級(jí)等宏觀數(shù)據(jù)之間的關(guān)聯(lián),從而實(shí)現(xiàn)篩選重要變量、建立評(píng)價(jià)標(biāo)準(zhǔn)和預(yù)測(cè)結(jié)果等目的。
應(yīng)用場(chǎng)景:
臨床診斷:分析發(fā)病過(guò)程中趨勢(shì)性變化的代謝物,獲得潛在的診斷標(biāo)志物或治療靶點(diǎn);
質(zhì)量評(píng)價(jià):篩選出影響質(zhì)量、感官等的關(guān)鍵代謝物,獲得評(píng)級(jí)和優(yōu)化的線索;
藥效:從成分復(fù)雜的樣本中尋找最關(guān)鍵的生物活性物質(zhì)、快速解析物質(zhì)功能;
生產(chǎn):分析不同產(chǎn)量、質(zhì)量生產(chǎn)過(guò)程,明確關(guān)鍵生產(chǎn)條件和優(yōu)化策略。
分析案例圖表示例:
圖1 OPLS模型得分圖(顏色為分組信息)
圖2 隨機(jī)置換檢驗(yàn)
圖3 模型預(yù)測(cè)值與實(shí)際檢測(cè)值對(duì)應(yīng)圖
圖4 回歸模型載荷圖(用顏色表征VIP值,偏暖色區(qū)域VIP較高)
圖5 回歸模型VIPpre>1物質(zhì)散點(diǎn)圖(可生成表格)
圖6 回歸模型S-plot(用顏色表征VIP值,偏暖色區(qū)域VIP較高)
表 OPLS模型參數(shù)
模型的建立和功能:
正交偏最小二乘回歸(OPLS)分析模型:
使用SIMCA 14.1中的OPLS模塊,建立正交偏最小二乘回歸分析模型。通過(guò)建立數(shù)學(xué)模型,實(shí)現(xiàn)由X數(shù)據(jù)組中的各變量與回歸目標(biāo)Y建立誤差最小的擬合方程式。基于正交算法的過(guò)濾,在模型擬合時(shí)可排除與Y無(wú)關(guān)的變量,從而可對(duì)目標(biāo)生物現(xiàn)象或過(guò)程進(jìn)行更深刻的解讀,發(fā)現(xiàn)與回歸目標(biāo)Y最重要的變量X;同時(shí),由已建立的方程式,可通過(guò)新樣本的X數(shù)據(jù)預(yù)測(cè)出其Y值。使用SIMCA 14.1時(shí),也可同時(shí)對(duì)多個(gè)Y值進(jìn)行模型擬合和分析。
回歸分析可獲得的結(jié)果如下:
OPLS模型得分圖(Score plot)、置換檢驗(yàn)(Permutation test)和預(yù)測(cè)-實(shí)際值回歸線;
OPLS模型載荷圖(Loading Plot)、變量VIP(variable importance)值和S-plot;
新樣本數(shù)據(jù)預(yù)測(cè)(需通過(guò)SIMCA 14.1中Predict模塊實(shí)現(xiàn))。
模型功能:
通過(guò)模型質(zhì)量,反映數(shù)據(jù)組與目標(biāo)參數(shù)相關(guān)程度;
通過(guò)建立實(shí)際值與預(yù)測(cè)值的散點(diǎn)圖,反映回歸模型的預(yù)測(cè)能力(包括誤差分析);
通過(guò)VIP值等變量分析工具,從眾多變量中篩選出影響比較大的變量,作為后期優(yōu)化、考察的對(duì)象;
通過(guò)使用SIMCA中的預(yù)測(cè)功能,對(duì)預(yù)測(cè)集數(shù)據(jù)及新檢測(cè)樣品的目標(biāo)值進(jìn)行預(yù)測(cè)分析(包括預(yù)測(cè)誤差分析)。
數(shù)據(jù)結(jié)構(gòu)要求:
回歸分析所需數(shù)據(jù)如下:
組學(xué)數(shù)據(jù)(X):樣本中代謝物組信息(相對(duì)含量、絕對(duì)含量或信號(hào)強(qiáng)度)或過(guò)程參數(shù)(溫度、轉(zhuǎn)速、pH等檢測(cè)值);
目標(biāo)數(shù)據(jù)(Y):宏觀生物學(xué)的數(shù)據(jù),如:臨床血常規(guī)數(shù)據(jù)、存活率、基因表達(dá)、蛋白表達(dá)等各種分子生物學(xué)或細(xì)胞生物學(xué)數(shù)據(jù);也可為實(shí)驗(yàn)條件或過(guò)程變量,如時(shí)間、不同給藥量、不同培養(yǎng)條件等。
其他參考文獻(xiàn):(如需以下相關(guān)文獻(xiàn)請(qǐng)點(diǎn)擊)
Yao K, Wang J, Zhu C, et al. Results of Different Quantitative Diagnosis Analysis on the Symptoms and Signs of Blood Stasis Syndrome in Coronary Heart Disease [J].World Science & Technology, 2009, 11(5):684-688.
Wu C, Hua Z, Van W G P, et al. Metabolomics-guided analysis of isocoumarin production by Streptomycesspecies MBT76 and biotransformation of flavonoids and phenylpropanoids [J]. Metabolomics, 2016, 12(5):90.
Zhang Q, Wang J, Zhang C, et al. The components of Huang-Lian-Jie-Du-Decoction act synergistically to exert protective effects in a rat ischemic stroke model [J].Oncotarget, 2016.
Jing J, Shi Y, Zhang Q, et al. Prediction of Chinese green tea ranking by metabolite profiling using ultra-performance liquid chromatography-quadrupole time-of-flight mass spectrometry (UPLC-Q-TOF/MS) [J]. Food Chemistry, 2017, 221:311-316.
Li S, Sullivan N L, Rouphael N, et al. Metabolic Phenotypes of Response to Vaccination in Humans[J]. Cell, 2017, 169(5):862-877.
本文為BIOTREE原創(chuàng),如需轉(zhuǎn)載須注明來(lái)源。