OPLS-DA模型浅读

omicsolution

本人只是纯对该类问题感兴趣而已，仅一家之言，供参考~~

背景：承接我上一个朋友圈，有位群友在群里问了这样一个问题：做两组的opls-da分析计算vip值时，两组的顺序（A vs B和B vs A）计算出来的vip值有一点点差异。这个差异是正常的么？如果是正常，是什么原因造成的？

也就是说，同一个数据，只是把样本顺序换了下，得到的结果不一样，而且是比较大的区别，这确实就有些奇怪了。按照正常逻辑来想，不应该出现这样的情况。

那么具体有没有这种情况呢？我们可以做一下测试。这里面我们使用的都是ropls函数包【1】，用其中的示例数据来测试一下。

library(ropls)data(sacurine)attach(sacurine)genders<-as.character(sampleMetadata[, "gender"])genders1<-genders[c(which(genders=="M"),which(genders=="F"))]dataMatrix1<-dataMatrix[c(which(genders=="M"),which(genders=="F")),]sacurine.oplsda <- opls(dataMatrix1, genders1, predI = 1, orthoI = 1)#代码输出结果如下：#OPLS-DA#183 samples x 109 variables and 1 response#standard scaling of predictors and response(s)#      R2X(cum) R2Y(cum) Q2(cum) RMSEE pre ort pR2Y  pQ2#Total    0.185    0.668   0.561 0.289   1   1 0.05 0.05##然后我们将组别换一下顺序：genders2<-genders[c(which(genders=="F"),which(genders=="M"))]dataMatrix2<-dataMatrix[c(which(genders=="F"),which(genders=="M")),]sacurine.oplsda2 <- opls(dataMatrix2, genders2, predI = 1, orthoI = 1)#代码输出结果如下：#OPLS-DA#183 samples x 109 variables and 1 response#standard scaling of predictors and response(s)#      R2X(cum) R2Y(cum) Q2(cum) RMSEE pre ort pR2Y  pQ2#Total    0.185    0.668   0.573 0.289   1   1 0.05 0.05#最后比较一下两个结果的VIP值boxplot(sacurine.oplsda@vipVn-sacurine.oplsda2@vipVn)

结果如下图，可以发现，结果并没有太大差别，二者相差的数值都非常小：

那么为什么该群友会遇到如此问题呢？如果你用如下的代码，结果可能确实差别比较大：

sacurine.oplsda.1 <- opls(dataMatrix1, genders1, predI = 1, orthoI = NA)#代码输出结果如下：#OPLS-DA#183 samples x 109 variables and 1 response#standard scaling of predictors and response(s)#      R2X(cum) R2Y(cum) Q2(cum) RMSEE pre ort pR2Y  pQ2#Total    0.329    0.774   0.614  0.24   1   3 0.05 0.05sacurine.oplsda2.2 <- opls(dataMatrix2, genders2, predI = 1, orthoI = NA)#代码输出结果如下：#OPLS-DA#183 samples x 109 variables and 1 response#standard scaling of predictors and response(s)#      R2X(cum) R2Y(cum) Q2(cum) RMSEE pre ort pR2Y  pQ2#Total    0.275     0.73   0.611 0.262   1   2 0.05 0.05#最后比较一下两个结果的VIP值boxplot(sacurine.oplsda.1@vipVn-sacurine.oplsda2.2@vipVn)

得到的结果图如下所示，可以发现相差最大的居然达到了0.6，这结果差别确实太大了：

所以具体问题出在了哪里？仔细比较上下两个代码你可以发现，主要就在orthoI这个参数上，这是设置正交个数的参数，其文档中这样介绍的：

orthoI  Integer: number of orthogonal components (for OPLS only); when set to 0 [default], PLS will be performed; otherwise OPLS will be peformed; when set to NA, OPLS is performed and the number of orthogonal components is automatically computed by using the cross-validation (with a maximum of 9 orthogonal components).

大致含义就是，当orthoI设置为NA时，opls函数会以最大9个正交成分自动计算（一定要注意，自动计算不代表是自动计算给出最优解），否则你就可以自己设置一个值。而我们将orthoI设置为NA后，将样本顺序调整以后，opls函数自动计算的orthoI值不一样了，一个为3，一个为2。参数不一样，结果自然就不一样了。

因此对于一开始的疑问：这个差异是正常的么？如果是正常，是什么原因造成的？

这里大致可以给出答案了：如果是细微的差异，这是正常的，一般差异不会超过10的-10次方。如果差异过大，那么就要检查一下参数设置，尤其是orthoI参数的设置。

那么新的问题又出来了：