在主要成分上使用欧几里得距离来量化变化（随时间变化）？大家好！
我回来了另一个幼稚的问题，对此我将不胜感激。
我们目前正在测量细胞群在抗体生产中的表现，以了解其随着时间的变化。
我们有一堆不同的读数（最高的细胞密度，大小，废物产生量……当然还有它们产生的抗体量）。 当单元格是“年轻”，“中年”和“旧”时，我们有此功能。 对于某些数量的抗体，它们会产生变化，但也会产生其他一些属性（并不总是相同，而且方向也不同）。 我想回答的主要问题是，它们只会产生较少的抗体而其他所有东西保持不变，还是它们整体发生变化，而产生的数量仅仅是变得不同的事物之一。 从经验上讲，我可以说（大多数情况下）是后者，但是我想对此进行量化，尤其是将其放在一个很好的数字中（出于演示的目的，而不是详细的分析）。 因此，我的想法是对属性进行PCA处理，而不是生成数量（此处没有明确的趋势），然后沿着前4个PC测量欧几里德距离（在scree图中描述diff的80％/“膝盖”）到各自的“最年轻的细胞”。 这里的想法是，这个距离越大，细胞与祖先的区别就越大。 确实，当我将此距离与它们产生的相关性变化的关系作图时，它是相当不错的。 我当然知道这并不能告诉我任何背后的机制，但是我只是想知道ppl是否觉得这有意义。 我以为我可以跳过整个PCA步骤，只做eucl。所有属性的距离，但这似乎是既使数据居中又减少列/维数量的一种好方法。
你怎么看？ 附言：如果您不喜欢细胞，那就想想植物吧！;)
分析工具回复：在主要成分上使用欧几里得距离来量化变化（随时间变化）？您是否可以使用基线时间段构建PCA模型，并使用JMP 15中引入的MDMCC平台对该模型评分新行？T2值将表明模型所解释的基线期是否存在偏离，SPE会表明数据是否符合基线期所建立的模型，并且对每个变量的贡献将表明是由哪些变量引起变化的。
为此：
- 在数据表中，将基线期放在表顶部
- 隐藏/排除不在基准期内的数据
- 建立PCA模型，保存组件
- 取消隐藏/取消排除新数据
- 打开MDMCC平台，添加保存的组件，在历史数据结束时设置行
- 添加SPE图表
- 选择当前行或新行，并添加T2和SPE的均值贡献比例图
- 还要看贡献热图
