R语言|PLS_DA分析绘图示例

最新推荐文章于 2023-07-03 23:33:39 发布

原创最新推荐文章于 2023-07-03 23:33:39 发布 · 5.8k 阅读

16 ·

CC 4.0 BY-SA版权

本文提供了一个偏最小二乘法判别分析（PLS_DA）的R语言实现示例，通过代码展示如何进行PLS_DA分析并绘制相关图形。此示例仅作为绘图展示，详细分析不在讨论范围内。

偏最小二乘法判别分析（PLS_DA）是一种用于判别分析的多变量统计分析方法，一种根据观察或测量到的若干变量值，来判断研究对象如何分类的常用统计分析方法。对不同处理样本（如观测样本、对照样本）的特性分别进行训练，产生训练集，并检验训练集的可信度。以下是PLS_DA分析绘图的一个小示例。（本文仅作绘图示例，不涉及分析说明）

【绘图代码】

install.packages("BiocManager") 
## install mixOmics 
BiocManager::install('mixOmics')
library(mixOmics)

data1=read.table("test.txt", header=T, row.names=1,sep="\t")
group=read.table("group.txt",sep="\t",header=T,row.names=1)
X=t(data1[, rownames(group)])
Y=group$group
##PLS-DA分析，选取2个主成分进行分析
plsda.datatm <-plsda(X, Y, ncomp = 3)
plotIndiv(plsda.datatm, ind.names = FALSE, legend=TRUE,ellipse = TRUE, title="sPLS-DA - final result")
background <- background.predict(plsda.datatm, comp.predicted=2,dist = "max.dist")

在这里插入图片描述

#plotVar(plsda.datatm) 
plotIndiv(plsda.datatm, comp = 1:2, 
          ind.names = FALSE, title = "Maximum distance",
          legend = TRUE,  background = background,ellipse = TRUE)
#auc.plsda <- auroc(plsda.datatm)