Hallo allerseits!
Ich bin mit einer weiteren naiven Frage zurück, für die ich mich über einen Beitrag sehr freuen würde.
Wir messen derzeit, wie sich Gruppen von Zellen bei der Antikörperproduktion verhalten, wie sich dies im Laufe der Zeit ändert.
Wir haben eine Reihe unterschiedlicher Messwerte (höchste Zelldichte, Größe, Abfallproduktproduktion, ... und natürlich die Menge an Antikörpern, die sie produzieren). Wir haben dies für die Zeit, als die Zellen "jung", "mittleren Alters" und "alt" waren. Bei einigen ändert sich die Menge an Antikörpern, aber auch bei einigen anderen Attributen (nicht immer die gleichen und auch in verschiedene Richtungen). Die Hauptfrage, die ich beantworten wollte, ist, ob sie nur weniger Antikörper produzieren und alles andere gleich bleibt oder ob sie sich insgesamt ändern und die Menge, die sie produzieren, nur eines der Dinge ist, die anders werden. Empirisch kann ich sagen, dass Letzteres (meistens) der Fall ist, aber ich wollte dies quantifizieren und - insbesondere - in eine schöne Zahl bringen (zu Präsentationszwecken, keine detaillierte Analyse). Meine Idee war es also, eine PCA mit anderen Attributen als der Menge durchzuführen, die sie produzieren (hier keine klaren Trends) und dann den euklidischen Abstand entlang der ersten 4 PCs zu messen (wobei etwa 80% des Diff / des "Knies" im Geröllplot beschrieben werden). zu jeweiligen "jüngsten Zellen". Die Idee hier war, je größer dieser Abstand ist, desto mehr unterscheiden sich die Zellen von ihren Vorfahren. In der Tat ist die Korrelation ziemlich anständig, wenn ich diesen Abstand gegen die Änderung des Betrags zeichne, den sie erzeugen. Ich verstehe natürlich, dass dies nichts über die Mechanismen dahinter aussagt, aber ich habe mich nur gefragt, ob ppl der Meinung ist, dass dies irgendeinen Sinn ergibt. Ich gehe davon aus, dass ich den gesamten PCA-Schritt überspringen und einfach die Eukl machen könnte. Abstand für alle Attribute, aber es scheint eine gute Möglichkeit zu sein, sowohl die Daten zu zentrieren als auch die Anzahl der Spalten / Dimensionen zu reduzieren.
Was denkst du? Ps: Wenn du keine Zellen magst, denk einfach an Pflanzen!;)
Könnten Sie ein PCA-Modell unter Verwendung eines Basiszeitraums erstellen und mit der in JMP 15 eingeführten MDMCC-Plattform neue Zeilen für dieses Modell bewerten?Der T2-Wert würde anzeigen, ob es eine Verschiebung von der Basislinienperiode gab, die durch das Modell erklärt wird, die SPE würde angeben, ob die Daten zu dem in der Basislinienperiode erstellten Modell passen, und die Beiträge zu jeder würden angeben, welche Variablen die Variation verursacht haben.
Um dies zu tun:
- Setzen Sie in der Datentabelle den Basiszeitraum oben in die Tabelle
- Daten ausblenden / ausschließen, die sich nicht im Basiszeitraum befinden
- PCA-Modell erstellen, Komponenten speichern
- Neue Daten ein- / ausblenden
- Öffnen Sie die MDMCC-Plattform, fügen Sie gespeicherte Komponenten hinzu und legen Sie die Zeile fest, wenn die Verlaufsdaten enden
- SPE-Diagramm hinzufügen
- Wählen Sie aktuelle oder neue Zeilen aus und fügen Sie Diagramme mit mittleren Beitragsanteilen für T2 und SPE hinzu
- Schauen Sie sich auch die Beitrags-Heatmaps an
