主成分のユークリッド距離を使用して（時間の経過に伴う）変化を定量化しますか？皆さんこんにちは！
私は別の素朴な質問に戻ってきました。それについていくつかの意見をいただければ幸いです。
現在、細胞のグループが抗体産生においてどのように機能するかを、これが時間とともにどのように変化するかについて測定しています。
さまざまな読み取り値があります（最高の細胞密度、サイズ、廃棄物の生成、...そしてもちろんそれらが生成する抗体の量）。 これは、細胞が「若い」、「中年」、「古い」ときに使用されます。 それらが生成する抗体の量によっては変化がありますが、他の属性もあります（常に同じものであるとは限らず、方向も異なります）。 私が答えたかった主な質問は、それらがより少ない抗体しか生成せず、他のすべてが同じままであるかどうか、またはそれらが全体として変化し、それらが生成する量が異なるものの1つにすぎないかどうかです。 経験的には後者が（ほとんど）当てはまると言えますが、私はこれを定量化し、特に（詳細な分析ではなく、プレゼンテーションの目的で）見栄えの良い図にしたいと思いました。 したがって、私の考えは、生成量以外の属性でPCAを実行し（ここでは明確な傾向はありません）、最初の4台のPCに沿ったユークリッド距離を測定することでした（差分の約80％/スクリープロットの「膝」を表す）それぞれの「最年少のセル」に。 ここでの考え方は、この距離が大きいほど、細胞が祖先とは異なっているということでした。 実際、この距離を、それらが生成する量の変化に対してプロットすると、相関関係はかなり適切です。 もちろん、これはこの背後にあるメカニズムについて何も教えてくれないことは理解していますが、pplがこれが理にかなっていると感じたかどうかだけを考えていました。 PCAステップ全体をスキップして、euclを実行できると思います。すべての属性の距離ですが、データを中央に配置し、列/ディメンションの量を減らすための良い方法のようです。
どう思いますか？ 追伸：細胞が気に入らない場合は、植物について考えてみてください。;)
分析再：主成分のユークリッド距離を使用して（時間の経過に伴う）変化を定量化しますか？ベースライン期間を使用してPCAモデルを構築し、JMP 15で導入されたMDMCCプラットフォームを使用して、そのモデルに対して新しい行をスコアリングできますか？T2値は、モデルによって説明されるベースライン期間からのシフトがあったかどうかを示し、SPEは、データがベースライン期間で構築されたモデルに適合するかどうかを示し、それぞれへの寄与は、どの変数が変動を引き起こしたかを示します。
これを行うには：
- データテーブルで、ベースライン期間をテーブルの一番上に配置します
- ベースライン期間にないデータを非表示/除外する
- PCAモデルを構築し、コンポーネントを保存します
- 新しいデータの再表示/除外
- MDMCCプラットフォームを開き、保存されたコンポーネントを追加し、履歴データが終了したときに行を設定します
- SPEチャートを追加
- 現在または新しい行を選択し、T2とSPEの両方の平均寄与率プロットを追加します
- コントリビューションヒートマップもご覧ください
