24053_zh-CN

liliconcom

C32 使用质谱法和多变量 PLS 宽判别分析进行前列腺癌筛查 (Bartell)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

标题：C32 使用质谱法和多变量 PLS 宽判别分析进行前列腺癌筛查 (Bartell)

作者：彼得·巴特尔

笔记：我包括了通常的 MS Word 逐个播放叙述、日记、用于演示 Excel 导入向导的 Excel 工作表、核心 JMP 数据表，以及为我开发案例提供灵感的原始论文。

为什么好：

- 有趣的 HLS 案例

- 完整案例，包括说明、电子表格导入、JMP 日志和留下的幻灯片

- 数据表支持使用 JMP 多变量和 JMP Pro 预测建模功能

- 第 1 阶段：将数据导入 JMP - 查询生成器、Excel 导入向导

- 第 2 阶段：探索和筛选 - 分布、用 X 拟合 Y、多变量、主成分

- 第 3 阶段：构建和评估模型 - 判别分析

- 第 4 阶段：交流/分享 - 批量导出到 PowerPoint 和 Word

附件：

- MassSpec.jrn

- MassSpecCase.doc

- MassSpecCase.pptx

- MassSpecStudy.jmp

- MassSpecStudy.xlsx

- Mol Cell Proteomics-2005-Wright-545-54.pdf

实例探究回复：C32 使用质谱法和多变量 PLS 宽判别分析进行前列腺癌筛查（Bartell）

快速更新到此。 预测筛选可用于筛选出预测因子，在 JMP Pro 17 中，如果您想分别评估每种蛋白质（如 SNP-Trait 或 GWAS 样式分析），您还可以将响应筛选与置于转换角色的蛋白质一起使用。

聚类还用于查看可能具有相似特征的蛋白质组，以区分这两个组。

另一个理想的方法是使用模型筛选来判断是否不仅要寻找一组蛋白质（诊断），还要用于预测和结果（预后）。