正交偏最小二乘回归判别分析（OPLS-DA）-SMICA14.1操作图文教程

正交偏最小二乘判别分析（Orthogonal PLS-DA，OPLS-DA ）是一种有监督的判别分析方法，是多变量统计分析方法，常用于代谢组学分析。本文详细记录了使用SMICA14.1软件进行OPLS-DA分析的图文步骤，希望能对初学者能有所帮助。视频学习可以参考b站论文讲解（香气物质、内含物质看这里）与SIMCA如何做OPLS-DA分析和Simca软件PCA OPLS-DA功能使用教程。

先放下载链接：SMICA14.1：https://pan.baidu.com/s/1fOIXZWEe3W36vau6pXnriw?pwd=9527 提取码：9527

注意OPLS-DA通常用于两组样品的对比分离，寻找差异物质，两组以上可考虑偏最小二乘法判别分析（PLS-DA）或者主成分分析（PCA）

导入数据

如图在excel表中列好数据，第一列Primary ID 为样品名称，第二列Class ID为样品组的分类，然后是各项指标（省的在软件里面设置分组了）。

打开smica软件，将excel的数据导入，新建项目文件，然后保存。注意样本数据的缺失值（值为0）不能太多，当样本中的缺失值过多时，样本本身就缺乏了统计学意义，并且极有可能成为异常样本，可以考虑对缺失值过多的样本数据进行去除处理。当然也可以选择不排除这些缺失项，这些缺失项在最终的VIP值都均会大于1，表现为差异物质。

数据分析

打开刚保存的项目文件，点击dataset即可看到原始数据。

在进行OPLS-DA分析前，顺便学习下PCA（主成分分析）的操作。先选中CM1项目，点击上方菜单栏的“new”，这里我们选择Scale方式为Par，下方“model type”选择“PCA-X”,确定完成分析。Ctr是将原数据转化成离原点更近的新数据，Ctr=x-x拔；UV是将所有变量拥有同等的重要性，UV=x-x拔/SD；Par相比UV更接近原始测量数据，Par=x-x拔/根号SD，可以根据数据情况选择合适的Scale方式。

分析完会弹出一个对话框M1（PCA-X），即交叉验证的结果，选中M1点击上方菜单栏的Autofit（自动拟合），则出现一个柱状图，点击“add”即增加一个主成分，这里根据R2X、R2Y和Q2的值来选择（add or remove）主成分的个数，最少为2个，且都要满足＞0.5。

指标	全称与含义	衡量内容	数值解读	重要性
R2X	X的解释率	模型对原始数据的概括能力	越高，拟合数据越好	中等，需结合其他指标看
R2Y	Y的解释率	模型对分组差异的描述能力	越高，区分组别越好	高，模型的核心目标
Q2	预测能力	模型对新样本的预测能力	>0.5 较好，<0 模型无效	最高，评估模型可靠性的金标准

（表格来源于deepseek）

这里只选择了两个主成分，但也满足要求，然后点击“score”，产生一个得分图，点击loadings产生载荷图。右键点击“create”→”list”，可以导出得分图和载荷图的原始数据，可以在smica软件上进行图片的美化，也可以将这些数据导入到origin软件中进行作图，修改美化。

点击M1，右键选择“new as model 1”我们开始进行OPLS-DA、PLS-DA分析等操作

（想跳过PCA的，直接选中CM1，点击“new as model 1”，然后按照下面图片操作就行）

根据图片进行操作，“scale”中全设置为par（较UV而言，Par处理后模型对数据的敏感度更高），“model type”选择“OPLS-DA”，然后自动拟合，“add”一个主成分（这里仅两个主成分的R2Y和Q2值就很高），点击“score”和“loadings”生产得分图和载荷图。

得分图可以看两组样品是不是分得很开，存不存在差异，横坐标表示预测成分得分值，横坐标方向可以看出组间的差距；纵坐标表示正交成分得分值，纵坐标方向可以看出组内的差距；百分比表示成分对数据集的解释度。

载荷图可以看出成分的聚类程度，挨在一块的成分表示相似度高，能被聚成为一类；主成分的载荷代表变量与主成分之间的相关性（正相关和负相关），因此第一象限的点表现为强正相关，第四象限的点表现为强负相关。

接着需要对OPLS-DA结果进行置换检验（permutation test），判断模型是否存在“过拟合”。选中项目M2，点击“analyze”界面的“permutations”，将20更改为“200”，然后确定。

判断条件：1. 原始的R2Y和Q2Y（最右边的两个点）总是大于左边那些置换后对应的值（左边那些散点）。2. 看截距，根据经验判断，优秀的模型R2Y的截距不超过0.3-0.4，Q2Y的截距不超过0.05（通常为负值）。但在实际项目中，能满足两条斜线的斜率为正，且Q2Y的截距不超过0.05就可以了。

最后计算“VIP”值，“home”栏点击“VIP”旁边小三角，选择“VIP Predictive”（PLS-DA只有VIP total，OPLS-DA都有，但要用VIP Predictive），右键“create”→“list”可导出数据到origin等软件中重新作图。VIP值越大，代表该物质对于区分两组所具有的贡献越大，一般认为，VIP值大于1的代表这种物质的组间差异显著。如果想进一步提取p＜0.05的差异成分，这里可以利用插件omics计算（参考SIMCA14.1的基本操作（包含p值、vip值、置换检验等，插件下载链接: https://pan.baidu.com/s/1JJouwcYVulklO0CMW0VorQ?pwd=9527 提取码: 9527

），同时获得FC值（可以用来绘制火山图），或者导出数据使用spss的独立样本t检验来逐一计算p值，需要注意这两种方式都需要进行p值校正（FDR校正）。

“s-plot”图的横坐标表示主成分与各类成分的协相关系数，纵坐标表示主成分与各类成分的相关系数，越靠近右上角和左下角的成分其差异越显著，其作用和VIP值图相同，二者选其一就行。

结果图片展示

下图分别为s-plot图，载荷图，得分图、VIP值和置换检验图（大家可以单击右键在Format plot中对图片进行美化），一般论文只需放后三张图片即可。

通过OPLS-DA模型进行分类预测

OPLS-DA除了能对现有分组数据进行差异化分析外，还能根据现有数据集进行分类预测，判断未知量是否属于现有分类组别，从而应用于产品分级、品种鉴定、产地溯源等分类判别场景。还是以上文数据为基础，先确定训练集与测试集，将TT-3与CK-3划为测试集，其余为训练集，那么我们就是以TT-1、TT-2、CK-1、CK-2为训练集进行OPLS-DA建模，然后用测试集来验证模型的预测能力。操作如下图所示，模型分类的正确率为100%，可以说明模型的预测能力较好，当然我们的数据量本身较少，存在假阴性，实际意义不大。因此OPLS-DA模型的训练集数据每组的样本量应该>30，这样的模型才比较可靠。