cca中的特征值(CCA)是挖掘数据关联最常用的算法之一 。VIF(VarianceInflationFactor)分析目前常用的筛查环境/临床因素的方法,然后cell2location使用变分贝叶斯推理来近似后验分布,并相应地生成参数估计 。
1、微生物-环境因子影响样本菌群组成的环境/临床因素有很多,但很多都有很强的多重共线性(相关)关系,会影响后续的相关分析,所以可以在环境/临床因素相关分析之前对环境/临床因素进行筛选 。VIF(VarianceInflationFactor)分析目前常用的筛查环境/临床因素的方法 。
Ri2表示模型中第I个自变量相对于其他自变量的方差比 , 用于度量第I个自变量与其他自变量之间的共线性关系 。VIF值越大 , 自变量之间的多重共线性关系越严重 。一般认为VIF值大于10的环境因素是无用的环境因素 。过滤掉VIF大于10的环境因子,进行多重筛?。?直到所选环境因子对应的VIF值都小于10 。在VIF 分析的过程中,需要根据RDA/CCA 分析进行关联,RDA/CCA的选型原则与RDA/CCA 分析相同 。
2、CCA,典型相关 分析,两组变量的维数需要一样吗假设要计算两组数值的线性相关系数,有两种方法:第一种方法:键入函数:CORREL(数据列或行1,数据列或行2) 。此函数用于计算数据列或行1和数据列或行2的线性相关系数 。比如一列数据是A1:A20,另一列数据是B1:B20,CORREL(A1:A20 , B1:B20) , 这是A1:A20和B1:B20的相关系数 。
3、10X单细胞空间联合 分析方法汇总及算法总结Cell2location采用分层贝叶斯框架,假设基因表达计数服从负二项分布 。首先,它使用外部scRNAseq数据作为参考来估计细胞类型特异性特征 。观察到的空间表达计数矩阵通过负二项式分布建模,其中基因的特定技术敏感性、基因和位置特异性加性移位被包括作为平均参数的一部分 。然后cell2location使用变分贝叶斯推理来近似后验分布,并相应地生成参数估计 。
DestVI通过连续的势变量来显式模拟细胞类型的变化 , 而不是将分析局限于细胞类型的离散视图 。这种连续的细胞内类型变化和相应的细胞类型特定的配置文件是通过条件深度生成模型 , 特别是使用解码器神经网络的变分推理来学习的 。在该方案中 , 分别为scRNAseq(scLVM)和ST数据(stLVM)构建了两种不同的隐变量模型(LVM) 。
4、方差分解 分析(VPA【canoco进行cca分析,Canoco冗余分析】这篇短文很好,我转发给自己的智囊团,供以后学习 。衷心感谢每一位知识的奉献者 。VPA,全称VariancePartitioningAnalysis,中文叫方差分解分析 。这个分析的目的是确定规定的环境因素对群落结构变化的解释比例 。我们采用CCA/RDA 分析的排序方法,得到参与分析的所有环境因子对群落变化的解释率 。
推荐阅读
- g平台
- player播放器,moboplayer播放器
- 等价类分析
- 腾讯的市场战略分析,腾讯STP战略分析
- 华为的竞争者分析,华为竞争者分析2022
- mysql删除教程 mysql怎样删除数据
- 蓝牙驱动哪里可以下载?在电脑上可以下载蓝牙吗?
- mysql中批量删除优化 mysql批量修改优化
- mysql字段名的命名规则 mysql表字段名变成空