代谢组数据分析（十五）：基于python语言构建PLS-DA算法构建分类模型

介绍

本教程描述了一个具有二元分类结果的研究的典型代谢组学数据分析工作流程。主要步骤包括：

1. 从Excel表格导入代谢物和实验数据。
2. 基于汇总QC的数据清洗。
3. 利用主成分分析可视化来检查数据质量。
4. 两类单变量统计。
5. 使用偏最小二乘判别分析（PLS-DA）进行多变量分析，包括：
   • 模型优化（R2 vs Q2）。
   • 置换测试，模型预测指标。
   • 特征重要性。
   • 模型预测数据可视化。
6. 将统计表格导出到Excel表格。

本教程中使用的研究已由Chan等人（2016年）作为开放获取文章发表在《英国癌症杂志》上，并且已将解析和注释的数据文件存储在代谢组学工作台数据存储库（项目ID PR000699）。

导入包/模块

本教程的第一个代码单元格（在这段文本框下方）将包和模块导入到Jupyter环境中。包和模块提供了额外的函数和工具，这些工具扩展了Python语言的基本功能。我们将需要以下工具来分析本教程中的数据：

• numpy：Python科学计算的基本包，提供处理数组和线性代数的工具
• pandas：提供高性能、易于使用的数据结构和数据分析工具
• sklearn：Python中的机器学习工具
  • train_test_split：一种将数组分割成随机测试/训练子集的方法，用于交叉验证
• cimcb_lite：由作者提供的有用函数库 (https://pypi.org/project/cimcb-lite/)