 |
【回归分析】是功能代谢组学研究的重要工具，通过建立回归模型可考察组学多元变量数据与功能、质量、等级等宏观数据之间的关联，从而实现筛选重要变量、建立评价标准和预测结果等目的。
|
|||||||||||||||||
| [发表评论] [本类其他服务] [本类其他服务商] | ||||||||||||||||||
| 服务商： 上海阿趣生物科技有限公司 | 查看该公司所有服务 >> |
功能代谢组学的新式利器【回归分析】已经默默的开展了一个多月了，以低至5000元/组的劲爆价格，常规快到3个工作日的极短周期，受到了大家的一致好评。
科普：
【回归分析】是功能代谢组学研究的重要工具，通过建立回归模型可考察组学多元变量数据与功能、质量、等级等宏观数据之间的关联，从而实现筛选重要变量、建立评价标准和预测结果等目的。
应用场景：
临床诊断：分析发病过程中趋势性变化的代谢物，获得潜在的诊断标志物或治疗靶点；
质量评价：筛选出影响质量、感官等的关键代谢物，获得评级和优化的线索；
药效：从成分复杂的样本中寻找最关键的生物活性物质、快速解析物质功能；
生产：分析不同产量、质量生产过程，明确关键生产条件和优化策略。
分析案例图表示例：
图1 OPLS模型得分图（颜色为分组信息）
图2 随机置换检验
图3 模型预测值与实际检测值对应图
图4 回归模型载荷图（用颜色表征VIP值，偏暖色区域VIP较高）
图5 回归模型VIPpre>1物质散点图（可生成表格）
图6 回归模型S-plot（用颜色表征VIP值，偏暖色区域VIP较高）
表 OPLS模型参数
模型的建立和功能：
正交偏最小二乘回归（OPLS）分析模型：
使用SIMCA 14.1中的OPLS模块，建立正交偏最小二乘回归分析模型。通过建立数学模型，实现由X数据组中的各变量与回归目标Y建立误差最小的拟合方程式。基于正交算法的过滤，在模型拟合时可排除与Y无关的变量，从而可对目标生物现象或过程进行更深刻的解读，发现与回归目标Y最重要的变量X；同时，由已建立的方程式，可通过新样本的X数据预测出其Y值。使用SIMCA 14.1时，也可同时对多个Y值进行模型拟合和分析。
回归分析可获得的结果如下：
OPLS模型得分图（Score plot）、置换检验（Permutation test）和预测-实际值回归线；
OPLS模型载荷图（Loading Plot）、变量VIP（variable importance）值和S-plot；
新样本数据预测（需通过SIMCA 14.1中Predict模块实现）。
模型功能：
通过模型质量，反映数据组与目标参数相关程度；
通过建立实际值与预测值的散点图，反映回归模型的预测能力（包括误差分析）；
通过VIP值等变量分析工具，从众多变量中筛选出影响比较大的变量，作为后期优化、考察的对象；
通过使用SIMCA中的预测功能，对预测集数据及新检测样品的目标值进行预测分析（包括预测误差分析）。
数据结构要求：
回归分析所需数据如下：
组学数据（X）：样本中代谢物组信息（相对含量、绝对含量或信号强度）或过程参数（温度、转速、pH等检测值）；
目标数据（Y）：宏观生物学的数据，如：临床血常规数据、存活率、基因表达、蛋白表达等各种分子生物学或细胞生物学数据；也可为实验条件或过程变量，如时间、不同给药量、不同培养条件等。
其他参考文献：（如需以下相关文献请点击）
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.
本文为BIOTREE原创，如需转载须注明来源。
可关注我司微信公众号：阿趣代谢，查看相关技术答疑。
