代谢组学常见问题与解答（五）

Q1.PLS-DA/OPLS-DA二维图：请问您图中说的，大样本的R²大于0.2也可以，有参考文献吗？

A:

关于大样本中 R² 大于 0.2 是否可接受的问题，这主要取决于实际应用和领域。在一些情况下，R² 值大于 0.2 可能被认为是足够的，特别是在生物学和化学计量学领域，数据的复杂性和噪声较高时。然而，通常来说，更高的 R² 值意味着模型拟合更好，预测性能更强。

关于 R² 值的可接受范围，没有统一的标准。在实际应用中，应该综合考虑其他评估指标，如预测性残差平方和（PRESS）、Q² 值（交叉验证决定系数）以及模型的稳定性和可解释性。通常，较高的 R² 和 Q² 值，以及较低的 PRESS 值，表明模型的性能较好。

值得注意的是，在解释 OPLS-DA 或 PLS-DA 二维图时，还应考虑其他因素，如主成分贡献度、变量的负荷图以及样本在得分图上的分布等。这些信息将有助于更全面地评估模型的性能和可靠性。

总之，关于大样本的 R² 大于 0.2 是否可接受，这取决于具体的研究背景和实际需求。建议您参考与您研究领域和应用相关的文献，以了解该领域通常接受的 R² 值范围。

至于文献，我推荐阅读以下文章，可以帮助您了解更多关于 PLS-DA 和 OPLS-DA 的信息和评估方法：

1.Trygg, J., & Wold, S. (2002). Orthogonal projections to latent structures (O-PLS). Journal of Chemometrics, 16(3), 119-128. DOI: 10.1002/cem.695

这篇文章详细介绍了 OPLS 方法的基本原理和应用。

2.Bylesjö, M., Rantalainen, M., Cloarec, O., Nicholson, J. K., Holmes, E., & Trygg, J. (2006). OPLS discriminant analysis: combining the strengths of PLS-DA and SIMCA classification. Journal of Chemometrics, 20(8‐10), 341-351. DOI: 10.1002/cem.1006

这篇文章讨论了 OPLS-DA 方法的优点，并将其与 PLS-DA 和 SIMCA 分类进行了比较。

3.Eriksson, L., Trygg, J., & Wold, S. (2008). CV-ANOVA for significance testing of PLS and OPLS® models. Journal of Chemometrics, 22(11‐12), 594-600. DOI: 10.1002/cem.1187

这篇文章介绍了使用 CV-ANOVA 进行 PLS 和 OPLS 模型显著性检验的方法。

4.Worley, B., & Powers, R. (2013). Multivariate Analysis in Metabolomics. Current Metabolomics, 1(1), 92-107. DOI: 10.2174/2213235X11301010092

这篇文章提供了关于在代谢组学中使用多元分析方法（包括 OPLS-DA 和 PLS-DA）的概述。

Q2.PLS分析的载荷图怎么分析？

A:

PLS（偏最小二乘法）分析是一种统计方法，主要用于模型构建和因变量之间的关系分析。在PLS分析中，载荷图（loading plot）可以帮助我们更好地理解潜变量（latent variables）与观测变量（observed variables）之间的关系。分析载荷图的大致过程如下：

1.观察坐标系：

载荷图通常在二维坐标系中表示，其中横坐标表示潜变量的第一个主成分（Component 1），纵坐标表示第二个主成分（Component 2）。

2.识别观测变量：

观测变量会用点或标签表示在坐标系中。载荷图上的每个观测变量都与潜变量相关。

3.确定潜变量：

潜变量在载荷图上以向量的形式表示，起点位于坐标系原点，终点指向观测变量的方向。潜变量之间的角度可以表示它们之间的相关性。角度越小，相关性越高；角度越大，相关性越低。

4.分析观测变量之间的关系：

观测变量在载荷图上的位置可以帮助我们了解它们之间的关系。位置接近的观测变量之间具有较高的相关性，而位置较远的观测变量之间具有较低的相关性。

5.计算载荷值：

载荷值是观测变量与潜变量之间关系的量度。载荷值的范围通常在-1到1之间，接近1表示正相关，接近-1表示负相关，接近0表示无关或弱相关。可以通过分析软件获得载荷值，用于进一步解释潜变量与观测变量之间的关系。

6.评估模型的解释能力：

观察载荷图可以帮助我们评估PLS模型的解释能力。如果观测变量在载荷图上聚集在一起，说明模型能够较好地解释它们之间的关系。如果观测变量分散在坐标系中，说明模型的解释能力较差。

Q3.多糖提取完以后，要做结构分析，除了红外还有什么可以做吗？

A:

多糖的结构分析通常涉及到确定其单糖组成、连结方式、连结位置等信息，这通常需要多种技术的综合使用，以获得尽可能完整和准确的信息。除了你提到的红外光谱（FT-IR）之外，以下是一些常用的分析方法：

1.核磁共振(NMR)光谱分析：

核磁共振是一种能提供多糖结构细节（如糖残基的种类、连接方式以及取代位置等）的强大工具。在进行NMR分析时，首先需要将提取的多糖溶解在适合的溶剂中（如D2O）。然后，将溶液置于NMR样品管中，并放入NMR谱仪进行分析。常用的NMR实验包括1H-NMR、13C-NMR、COSY、HSQC、HMBC等。

2.质谱分析(MS)：

质谱分析是另一种用于分析多糖结构的重要技术，可提供多糖分子质量、组成和部分结构的信息。在进行MS分析时，首先需要将多糖离子化（常使用电喷雾离子源或激光解吸离子源），然后将生成的离子引入质谱仪进行分析。

3.圆二色光谱（CD）：

对于某些具有光学活性的多糖，圆二色光谱可以提供其光学活性信息，有助于理解其三维结构。

4.光谱分析：

除了红外，还可以使用拉曼光谱、紫外-可见光谱等光谱分析方法。拉曼光谱尤其适合于分析多糖的结构，可以提供多糖基团的振动信息。

5.X射线晶体学分析：

当多糖能形成适合的晶体时，可以使用X射线晶体学方法获得其三维原子级结构信息。

在选择分析方法时，应根据研究目标和样品的特性进行选择。不同的分析方法可以提供不同类型的信息，通常需要将多种方法的结果结合起来，以获得多糖的全面结构信息。

百泰派克生物科技-生物制品表征，生物质谱多组学优质服务商

北京百泰派克生物科技有限公司致力于为生物/制药和医疗器械行业提供质量控制检测和项目验证等专业服务。公司实验室遵循NMPA、ICH、FDA和EMA等的法规和指导原则，通过CNAS/ISO9001双重质量体系认证，建立了完备的质量体系，数据冷热/异地备份，设备定期计量/期间核查，软件审计追踪，为客户提供一体化解决方案和技术服务，支持新药研发、药物申报注册和生产放行。

1.公司采用ISO9001质量控制体系，专业提供以质谱为基础的CRO检测分析服务；

2.获国家CNAS实验室认可，为客户提供符合全球药政法规的药物质量研究服务；

3.业务范围覆盖蛋白质组学、多肽组学、代谢组学、生物药物表征、单细胞分析、单细胞质谱流式、生信云分析以及多组学生物质谱整合分析等；

4.七大质量控制检测平台，满足您一站式服务需求；

5.服务3000+企业，10000+客户的选择；

6.致力于为您提供优质的生物质谱分析服务!

>>点击了解更多优质服务项目