【原】PLS-DA代替PCA试试降维效果？

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。

setwd("F:/生物信息学/PLS-DA")A <- read.csv("pl.csv",header = T,row.names = 1)data <- t(A)data.pca <- prcomp(data)library(factoextra)group=c(rep("MD",11),rep("MA",12))fviz_pca_ind(data.pca,             col.ind=group,             mean.point=F,             addEllipses = T,              legend.title="Groups",             palette = c("#CC3333", "#339999"))+   theme(panel.border = element_rect(fill=NA,color="black", size=1, linetype="solid"))

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。

BiocManager::install("mixOmics")library(mixOmics)
pls_ana <- plsda(data,                 group,                 ncomp = 2)
plotIndiv(pls_ana,           comp = c(1,2),          group = group,          ind.names = TRUE,           ellipse = TRUE,           legend = TRUE,          style = 'ggplot2',          pch =16,          cex =5)

还可计算背景面积可视化预测区域。

background = background.predict(pls_ana, comp.predicted=2, dist = "max.dist") plotIndiv(pls_ana, comp = 1:2,          group = group, ind.names = T,          legend = TRUE,  background = background)

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。

BiocManager::install("ropls")library(ropls)pls-ana <- opls(x = data, y = group, orthoI = 0)pls-ana

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。

par(mfrow = c(1, 2))plot(pls-ana, typeVc = 'x-score', parAsColFcVn = group)plot(pls-ana, typeVc = 'x-loading')

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！