PLS-DA代替PCA试试降维效果?
发布网友
发布时间：2023-05-07 01:02
共1个回答
热心网友
时间：2023-11-24 16:16
最近有小伙伴问道PLS-DA（Partial least squares Discriminant Analysis，偏最小二乘判别分析），一种组学分析中常用的多变量分析方法，具体的原理就不多说了，主要也怕数学的内容说错了误导人，我们就看看R怎么分析和可视化即可，详细的原理可翻阅《多元统计学》偏最小二乘判别分析部分学习。
其实，如果不做代谢组学或者看这方面的文章，一般学点组学分析的人还真不容易看到PLS-DA，因为常见组学（转录组、蛋白组），文章中一般使用PCA分析降维（ 转录组不求人系列(三)：PCA分析及CNS级别作图），代谢组学使用较多。如果你的样品之间相关性不强，这时候主成分分析降维的效果其实不太好，就可以试试这种有监督的学习方法---PLS-DA来代替PCA。
首先我们构建一下数据（随便找的，没有意义），行名为基因，列名为样本。
我们做下PCA看看效果。
可以看到主成分是无法分开的。我们接下来试试PLS-DA分析看看效果。先使用mixOmics包做一下，可以进行分析和可视化，过程很简单。数据和分组同上面PCA。可以看到结果样本分组差异很明显，以后蛋白组或者转录组数据都可应用。
还可计算背景面积可视化预测区域。
其他的R包：ropls包也可进行PLS-DA分析。结果与mixOmics包一样，不过可视化更加方便，可视化结果更多。
还可以获取更多信息，例如查看查看差异比较大的表达基因。
以上就是非常粗略的说了下PLS-DA的做法和可视化差异性了，其实PLS-DA还有很多内容，想了解的自行深入学习吧！
