PLS-DA for compositional data with application to metabolomics
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F15%3A33152014" target="_blank" >RIV/61989592:15310/15:33152014 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989592:15110/15:33152014 RIV/00098892:_____/15:#0000906
Výsledek na webu
<a href="http://onlinelibrary.wiley.com/doi/10.1002/cem.2657/pdf" target="_blank" >http://onlinelibrary.wiley.com/doi/10.1002/cem.2657/pdf</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1002/cem.2657" target="_blank" >10.1002/cem.2657</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
PLS-DA for compositional data with application to metabolomics
Popis výsledku v původním jazyce
When quantifying information in metabolomics, the results are often expressed as data carrying only relative information. Vectors of these data have positive components, and the only relevant information is contained in the ratios between their parts; such observations are called compositional data. The aim of the paper is to demonstrate how partial least squares discriminant analysis (PLS-DA)-the most widely used method in chemometrics for multivariate classification-can be applied to compositional data. Theoretical arguments are provided, and data sets from metabolomics are investigated. The data are related to the diagnosis of inherited metabolic disorders (IMDs). The first example analyzes the significance of the corresponding regression parameters(metabolites) using a small data set resulting fromtargeted metabolomics, where just a subset of potential markers is selected. The second example-the approach of untargeted metabolomics-was used for the analysis detecting almost 500 met
Název v anglickém jazyce
PLS-DA for compositional data with application to metabolomics
Popis výsledku anglicky
When quantifying information in metabolomics, the results are often expressed as data carrying only relative information. Vectors of these data have positive components, and the only relevant information is contained in the ratios between their parts; such observations are called compositional data. The aim of the paper is to demonstrate how partial least squares discriminant analysis (PLS-DA)-the most widely used method in chemometrics for multivariate classification-can be applied to compositional data. Theoretical arguments are provided, and data sets from metabolomics are investigated. The data are related to the diagnosis of inherited metabolic disorders (IMDs). The first example analyzes the significance of the corresponding regression parameters(metabolites) using a small data set resulting fromtargeted metabolomics, where just a subset of potential markers is selected. The second example-the approach of untargeted metabolomics-was used for the analysis detecting almost 500 met
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Journal of Chemometrics
ISSN
0886-9383
e-ISSN
—
Svazek periodika
29
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
8
Strana od-do
21-28
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—