/^ETVWRE/^ETVWRE10GiroLip10GiroLipdaiilidMrHdiri/^ETVWREiB維代謝OPLS簡介正交偏最小二乘法（Orthogonalprojectionstolatentstructures（OPLS）是一種新型的多元統(tǒng)計方法它由JohanTryggde等人于2002年首次提出。近十年來，這種方法在理論和應(yīng)用方面得到了迅速的發(fā)展，并在計量化學(xué)中有大量的應(yīng)用。OPLS是一種多因變量對多自變量的回歸建模方法，其最大的特點是可以去除自變量X中與分類變量Y無關(guān)的數(shù)據(jù)變異，使分類信息主要集中在一個主成分中，從而模型變得簡單和易于解釋，其判別效果及主成分得分圖的可視化效果更加明顯。OPLS原理OPLS從給定的數(shù)據(jù)集X中移除系統(tǒng)正交變量，并把這些正交變量和非正交變量區(qū)分開來，可以對這些正交變量單獨進行分析。OPLS方法利用響應(yīng)變量Y中的信息把X分成三部分。即X=TPPTP+TOPTO+E其中，Tp表示X的預(yù)測的得分矩陣，Ptp表示X的預(yù)測載荷矩陣，TpPTp表示預(yù)測部分，TO表示X與Y的正交成分（稱為OPLS成分）的得分矩陣，Pt。表示對應(yīng)的載荷矩陣，ToPto表示與Y正交的部分，E為殘差矩陣。OPLS方法的實現(xiàn)通過兩步完成：第一步，與Y正交的變量從X數(shù)據(jù)矩陣中剔除，即XP=X-TOPTO其中T。是與Y正交成分的得分矩陣，Pt。是與其對應(yīng)的載荷矩陣。第二步，對xP進行偏最小二乘分析。12DJ.TryggaikdS.WoldOriginaldslasetPLS*JlurderIojflerpmhlortPLSDamtx：12DJ.TryggaikdS.WoldOriginaldslasetPLS*JlurderIojflerpmhlortPLSDamtx：iien1sOrtho@0T^HvarialiCTnXOid^gonal4afei&cl[)J*LhtrealedilamFL5|-J:m^rwucnpuiiKiaMeerdkvuniEylJlj疋-J:m^rwucnpuiiKiaMeerdkvuniI血血ilVsourceqfonbogLiiu]vuriuiijafiiFigure1.Overviewo-lorthogonalprojedionstolatentstructure(O-PLS).圖1OPLS的概述圖OPLS-DA圖表簡述[1]?OPLS-DA的得分圖OPLS-DA得分圖的橫坐標(biāo)表示OSC過程中的主要成分的得分值(Tp),所以從橫坐標(biāo)的方向可以看到組間的差異；縱坐標(biāo)表示OSC過程中的正交成分的得分值(TO);所以從縱坐標(biāo)上看出組內(nèi)的差異(組內(nèi)樣本間的差異)。ScorersOPLS-OAPlotL爲(wèi)sJ-EJmslfMOOMUDT5￡：are|l|{23.9^)L爲(wèi)sJ-EJmslfMOOMUDT5￡：are|l|{23.9^)mETVMKREas維代謝圖2OPLS-DA得分圖[2]?0PLS-DA的S-plot圖S-plot圖的橫坐標(biāo)表示主成份與代謝物的協(xié)相關(guān)系數(shù)，縱坐標(biāo)表示主成份與代謝物的相關(guān)系數(shù)。S-plot圖一般用來挑選與OSC過程中主要成分的相關(guān)性比較強的代謝物，從另一方面同時也可以挑選與Y相關(guān)性強的代謝物。越靠近兩個角的代謝物重要度越強。紅色的點表明這些代謝物的VIP值大于等于1，綠色的點表示這些代謝物的VIP值小于等于1。OPLS-DAS-PlotfloJ-?送floJ-?送圖3OPLS-DAS-plot[3]?0PLS-DA的模型驗證permutationTest圖/^ETVWRE/^ETVWRE/^ETVWRE/^ETVWRE模型驗證permutationTest圖的橫坐標(biāo)表示模型的準(zhǔn)確率，縱坐標(biāo)表示200次permutationTest中200個模型的準(zhǔn)確率的頻數(shù)，箭頭表示本OPLS-DA模型準(zhǔn)確率所在的位置，其中R2X和R2Y分別表示所建模型對X和Y矩陣的解釋率Q2標(biāo)示模型的預(yù)測能力，理論上R2、Q2數(shù)值越接近1說明模型越好，越低說明模型的擬合準(zhǔn)確性越差，通常情況下，R2、Q2高于0.5較好，高于0.4即可接受。從圖中可以看出Q2為0.994，R2Y為1,R2X為0.685，Q2和R2Y的P值均為0.005，說明permutationTest中只有1個隨機分組模型結(jié)果優(yōu)于本OPLS-DA模型，一般情況下Pv0.05時模型最佳。-1.81.6-1.4-L2-U)-1.81.6-1.4-L2-U)-0BS-0.6-0.4-0.20.00.20.40.6O.BL0Permutations圖4OPLS-DA的驗證圖槪念簡旦顯丁姿竺o槿呈驗證剔藝正交變雖原理匠最小二垂分薩剔除元關(guān)變疋聚黒到一個主頁分組間孝異OFL5DA槪念簡旦顯丁姿竺o槿呈驗證剔藝正交變雖原理匠最小二垂分薩剔除元關(guān)變疋聚黒到一個主頁分組間孝異OFL5DA圏解0._計算VI卩值正交偏最小二乘法(OPLSDA)我們可為各醫(yī)院、科研院所、醫(yī)藥企業(yè)等提供代謝組鑒定與分析、跨組學(xué)分析服務(wù)，幫助其對腫瘤早期標(biāo)記物進行篩選，為新藥研發(fā)和疾病機制的研究提供新思路。通過廣泛靶向代謝組檢測技術(shù)的研究方法，對腫瘤患者和正常人群樣本測定代謝譜，描述代謝物質(zhì)在不同樣本中的分布情況，找到與腫瘤相關(guān)的差異代謝物，并開展mGWAS(代謝組全基因組關(guān)聯(lián)分析)研究，準(zhǔn)確定位相關(guān)的候選基因，解析代謝途徑，對腫瘤發(fā)生機制有更全面認(rèn)識，找到預(yù)防或者干預(yù)的方法，為藥