除了真正新穎和創新的突破外，科學研究的基本配方是：
結合兩種或多種獨立發展的既定方法，充分發揮每種方法的優勢。給新組合一個聰明的名字。把它發佈出來。在這篇博客文章中，我想強調第1步，我們已經使用了幾年的技術，現在稱為主要方差分量分析（PVCA）。PVCA集成了兩種具有豐富歷史的方法：主成分分析（PCA）和方差成分分析（VCA）。PCA發現數據的低維線性組合具有最大可變性，而VCA通過經典隨機效應模型將屬性和分區變為已知來源。
PCA可以說是最受歡迎的高維數據技術。例如，考慮來自Boedigheimer等人的正常基線基因表達數據。（2008），在483隻大鼠樣本上測量約30,000個基因。如果我們以高大的形式排列數據，基因作為行和样本作為列，那麼我們有一個30,000 x 483矩陣。通過首先將列以其平均值為中心然後計算矩陣的前幾個特徵向量來計算標準PCA。因此，我們獲得行和列的特徵，如果我們關注樣本的前兩組分數（aka 加載），我們可以將它們相互繪製，以查看哪些樣品在最大分離方向上表現出相似的表達譜。
PCA的一個主要難點是為每個組件附加解釋。因子分析試圖通過輪換來解決這個問題，但這些都是主觀的，可能難以管理。解釋主成分的更簡單方法是通過已知樣本屬性對PCA圖進行著色和/或標記，以查看它們中的任何一個是否與得分對齊或解釋聚類。在許多情況下，這是有效的，但隨著伴隨的數據變得更加豐富，丟失某些東西的風險會變得更高。在上面的例子中，有35種不同的樣本屬性（例如，組織類型，性別，菌株，飲食）。為了使問題更加困難，數據是觀察性的（不是設計實驗），並且許多屬性彼此顯著混淆。通過一些艱苦而乏味的工作，可以直觀地識別出幾個關鍵因素，但缺乏全面的定量篩選。
這就是VCA的優勢發揮作用的地方。使用主成分得分作為響應，我們可以設置一個混合模型，只有一個截距作為唯一的固定效應，所有已知的變異來源作為隨機效應。這純粹是出於劃分變異性的目的，因此即使是經典的固定效應，如性別和組織，仍然被認為是隨機的，以便將所有效果置於平等的基礎上。通過REML擬合模型可以使效果相互競爭，以解釋數據的總體可變性。以這種方式劃分總變異性優於經典的1型ANOVA劃分，因為它實際上與效果的排序無關（除了在嚴重混雜的情況下）。該技術可以完全自動化，並為每個主成分的所有已知變異源提供良好的定量分配，並且殘差方差分量適應所有未指定的影響。所有主成分的結果摘要可以構建為各個估計的加權平均值，使用特徵值作為權重，並顯示為條形圖或餅圖。
在另一個實例中，我們使用PVCA在精神分裂症研究中比較Affymetrix微陣列數據與Illumina下一代RNA-Seq數據（Mudge等人。2008）。PVCA提供了幾個關鍵變異來源的定量分析，並揭示下一代數據在本研究中更好地區分精神分裂症狀態（下圖中的診斷）。
在第三個例子中，Li等人。（2009）將PVCA應用於表達數據中的批量校正，並提供該方法的詳細描述。
PVCA本身就是上述研究配方中步驟1的一個明顯例子。關於第2步，我不確定“PVCA”是否非常聰明，但它確實至少捕捉到了方法的本質並且使用了“組件”。（還要記住避免長期使用“原則”的錯誤而不是“校長”！）
至於第3步，嗯，這個博客文章本身就是這個方向的一個轉折。PVCA可用於 JMP基因組學在質量控制>相關和主成分過程下。你也可以手工完成 JMP 通過運行Prinicipal Components，將得到的樣本加載與已知樣本屬性合併，然後運行Fit Model，將加載作為Y變量，將樣本屬性作為隨機效果運行。試試看！
參考
Boedigheimer，MJ，Wolfinger，RD，Bass，MB，Bushel，PB，Chou，JW，Cooper，M.，Corton，JC，Fostel，J.，Hester，S.，Lee，JS，Liu，F.，Qian，H.-R.，Quackenbush，J.，Petit，S.，Thompson，KL，（2008），來自多個實驗室的毒理學研究對照動物的基線基因表達水平的變異來源。BMC Genomics，9：285。
Li，J.，Bushel，P.，Chu，T.-M。和Wolfinger，RD （2009）主要方差成分分析：估計微陣列基因表達數據中的批次效應，批量效應和微陣列實驗中的噪聲：來源和解決方案，編輯。A. Scherer，John Wiley＆Sons。
Mudge，J.，Miller，NA，Khrebtukova，I.，Lindquist，IE，May，GD，Huntley，JJ，Luo，S.，Zhang，L.，van Velkinburgh，JC，Farmer，AD，Lewis，S。，Beavis，WD，Schilkey，FD，Virk，SM，Black，CF，Myers，MK，Madar，LC Langley，RJ，Utsey，JP，Kim，RW，Roberts，RC，Khalsa，SK，Garcia，M.，Ambriz- Griffith，V.，Harlan，R.，Czika，W.，Martin，S.，Wolfinger，RD，Perrone-Bizzozero，NI，Schroth，GP Kingsmore，SF（2008）精神分裂症的基因組收斂分析：mRNA測序顯示改變的突觸2008年後死後小腦的囊泡運輸 PMID：18985160
我希望兩年前我會偶然發現這個！不確定是否有人仍在關注此字符串，但是，作為常規JMP用戶（不幸的是不是JMP Genomics），誰擁有RNA-Seq數據，我只需執行PCA，將第一個特徵向量值保存到列中，然後將它們作為y變量和我感興趣的因素（例如RNA提取日）作為隨機因素處理？還是我錯過了什麼？
Russ Wolfinger 中寫道：
Sean，我相信每篇參考論文都有他們數據的鏈接，儘管這種方法適用於任何多變量數據集，你可以為這些數據集分組變量。此外，JMP Genomics附帶了幾個簡單的例子。此致，Russ
江鈴控股中寫道：
這是太棒了！我正在尋找一種方法來分析在農業設計實驗中收集的多變量數據，我特意在同一分析中尋找一種方法來包括固定效應（例如雜交）和隨機效應（例如位置）以量化各種來源的相對變化。為此，將傳統固定效果視為隨機的驗證很好。
一個問題：對於缺失值，最好是從PVCA程序中刪除缺少值的變量，或者用PROC MI估算缺失值並在完成的數據集上進行PVCA分析？謝謝！
Russ Wolfinger 中寫道：
謝謝JMH。PROC MI聽起來不錯，或者如果您使用PROC PLS計算PCA（指定與Y和X相同的變量），則它具有MISSING = AVG或MISSING = EM選項。
江鈴控股中寫道：
謝謝，拉斯。PLS選項很有吸引力，但是MI與我們想要嘗試使用類似數據集的其他一些分析非常吻合。我嘗試使用MCC MI在幾次迭代中用MCMC替換缺失值，我得到了很好的結果。
