(O)PLS-DA (ropls)

工具概述

偏最小二乘法判别分析是一种用于判别分析的多变量统计分析方法。使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，实现对样品类别的预测。

OPLS-DA分析中使用的置换检验为100次。

操作方法

1.1选择需要进行分析的数据表，数据表必须包含行头和列头，首行为样本名，首列为代谢物等特征名称。文件为txt格式纯文本文件，数据与数据之间务必用制表符隔开（tab符），不能用空格，如图1。

1.2选择分组文件：点击选择文件按钮，从数据中心选择对应的分组数据表。

1.3分析方法：单选，PLS-DA或者OPLS-DA。PLS-DA方法支持选择两组或多组，OPLS-DA方法只支持选择两组进行分析。

1.4样本组名称：根据上传的分组文件，输入需要比较的组名称。样本组之间用英文逗号,或|隔开。

结果解读

(O)PLS-DA分析图

X axis表示每个点的PC1坐标，Y axis表示每个点的PC2坐标，不同颜色和形状代表不同分组。

样本Score矩阵

name为样本名称，comp1和comp2分别为变量的第一主成分、第二主成分的解释度。

变量载荷矩阵

name为变量名称，comp1和comp2分别为变量的第一主成分、第二主成分的解释度。

(O)PLS-DA模型排序验证图

X axis表示置换检验的置换保留度（与原模型Y变量顺序一致的比例，置换保留度为1的点即为原模型的R2和Q2值），Y axis表示R2（红色圆点）和Q2（蓝色三角）置换检验的取值，两条虚线分别表示R2和Q2的回归线。不同颜色和形状代表不同分组。

模型参数表

R2X和R2Y分别表示所建模型对X和Y矩阵的解释率，R2X（cum）和R2Y（cum）表示累积解释率；Q2表示模型的预测能力，这3个指标越接近于1时表示模型越稳定可靠，Q2 > 0.5表示模型的预测能力较好，Q2 < 0.5表示模型的预测能力较差。p1，p2分别表示第一，第二主成分。

VIP值结果表

Name为表示变量的名称，Variable Importance for the Projection (VIP)，变量投影重要度，衡量每行变量对每列变量分类判别的影响强度和解释能力，辅助标志物的筛选。通常以VIP值>1作为筛选标准。

参考文献

[1] Szymanska, E., E. Saccenti, AK. Smilde, and JA. Westerhuis. 2012. “Double-Check: Validation of Diagnostic Statistics for PLS-DA Models in Metabolomics Studies.” Metabolomics 8 (1, 1):3–16.

[2] Chailurkit LO, Paiyabhroma N, Sritara P, et al. Independent and Opposite Associations Between Branched-Chain Amino Acids and Lysophosphatidylcholines With Incident Diabetes in Thais. Metabolites. 2020;10(2):76.