Iqtisodiyoti 14 nashriyalar 275 iqtisodiyoti profilga qaring 102

Vaqt kursi ma'lumotlarini tahlil qilish usullari
yuqorida tavsiflanganlardan farqli statistik usullarni joriy etish. Turli statistik ma'lumotlar orasida
turli sub'ektlar yoki sub'ektlar guruhlari o'rtasidagi metabolitlarning o'zgarish naqshlari), biz kerak
yoki biologik tajribalar. Bu erda biz ushbu ANOVA modelining asoslarini ko'rsatamiz. Metabolomikada
usullari.
dastlab bizga ma'lumotlar tuzilishi haqida umumiy fikr berish uchun foydalidir. Biz vizualizatsiyadan ham foydalanishimiz mumkin
Rubingh, Vis, Jellema va boshqalar. 2010), biz faqat dispersiya tahlilini (ANOVA) joriy qilamiz
ma'lumotlar to'plamidagi vaqt o'lchovi. Nazoratsiz o'rganish va ma'lumotlarni vizualizatsiya qilish vositalari hali ham mavjud
= µ + + + ( ) + ;
38
Machine Translated by Google

---

ÿ
2
ÿ
ÿ
qayerda
ostidagi vaqt nuqtasi
) +;
RM dan:
oddiy ikki tomonlama ANOVA tahlili (Milliken, Jonson 2009). Chunki har bir mavzu takrorlanadi
ikki tomonlama ANOVA. RM modeli yordamida foydalanuvchi turli korrelyatsiya tuzilmalarini belgilashi mumkin
shart va vaqtga mos kelishi; a va b - har bir effekt uchun darajalarning umumiy soni; n hisoblanadi
Vaqt kursi ma'lumotlarini tahlil qilish uchun ikki tomonlama ANOVA dan foydalanish maqsadga muvofiq bo'lsa-da,
mavzu effektlari (guruh xatosi ichida)
chora-tadbirlar tahlillari. uchun bu kovariatsiya tuzilishi
shartning har bir kombinatsiyasi uchun takroriy soni (ko'pincha sub'ektlarga mos keladi) va
normal taqsimotga (0, 2 ) amal qiladi va tasodifiy xatoga bog'liq emas
ma'lumotlar takroriy o'lchovlar (RM) modeli bilan yaxshiroq tavsiflanishi mumkin. O'rtasidagi asosiy farq
predmet ichidagi korrelyatsiyaga imkon beradi
dan olingan o'lchovga ishora qiladi
ANOVA usuli, normal taqsimotdan keyin mustaqil tasodifiy xatolar deb taxmin qilinadi,
),
Tadqiqotlarga ko'ra, ko'pincha bir xil guruhlardagi sub'ektlar o'rtasida ba'zi farqlar mavjud. Agar
. Boshqa
Ko'pgina vaqt kurslarida baholangan bo'lsak, biz o'rniga RM modelidan foydalanishni qat'iy tavsiya qilamiz
da mavzu
the
= µ + + + + (
shart ( i = 1,2, … , a; j = 1,2, … , b; k = 1,2, … n ); a va sobit effektlardir
) (Kutner 2005).
Bu erda = 1, 2, … , a; j = 1, 2, … , b; k = 1, 2, … ,
Ikki tomonlama ANOVA va RM modeli shundan iboratki, RM modelida mavzu xato atamasi mavjud (
vaqt effektlari; m - umumiy (katta) o'rtacha. An'anaviy ikkitasini o'z ichiga olgan ko'plab ilovalarda
yozuvlar yuqorida aytib o'tilgan ikki tomonlama ANOVA modeli bilan bir xil. Metabolomikada
o'lchov xatosi uchun. Murakkab-simmetrik korrelyatsiya ko'pincha takrorlanadi
n.
sub'ektlar har bir guruh ichida juda katta farq qiladi, keyin RM modeli kuchliroq bo'ladi
bilan belgilanadi (0,
Bu guruh yoki mavzu ichidagi o'zgarishlarni hisobga oladi. Quyida model keltirilgan
39
Machine Translated by Google

---

avtoregressiv kovariatsiya tuzilmalarini (Brockwell, Davis 2002) yoki eksponensial kovariatsiyani ko'rib chiqing.
quyidagi formulada ko'rsatilgan:
mos keladigan numerator erkinlik darajalari. Shuning uchun bizda sinab ko'rish uchun uchta effekt bor: ikkita asosiy
hammasi i va j. Agar o'zaro ta'sir sezilarli bo'lsa, bu vaqtinchalik profillar uchun turli xil ekanligini anglatadi
ma'lumotlarni tushuntirishga ta'sir qiladi. O'zaro ta'sirning nol gipotezasi: ( ) = 0 uchun
kvadratlarning umumiy yig'indisini (SST) turli qismlarga ajratish orqali statistika va p-qiymatlari
bir vaqtning o'zida ularning korrelyatsiya tuzilishini hisobga olgan holda. Bunday holda, bizga kerak
ANOVA ni bir o'zgaruvchan holatdan ko'p o'zgaruvchan holatga umumlashtirish. Statistik jihatdan,
an'anaviy MANOVA - bu ANOVAning umumlashtirilishi. Biroq, agar MANOVA ishlamaydi
boshqa ko'plab syujetlar) bizga asosiy va o'zaro ta'sirlarning to'g'ridan-to'g'ri tushuntirishini beradi
Barcha taxminlarni tasdiqlagandan so'ng (normallik, mustaqillik va dispersiyalarning bir xilligi),
SST= SS (a) +SS ( ) +SS (a ) +SS ( ) +SSE
guruhlar (eksperimental sharoit) har xil. Odatda, taxminiy davolash uchastkalarni anglatadi (va
Agar javob o'zgaruvchisi Y matritsa bo'lsa, biz bir nechta metabolitlarni tahlil qilishimiz kerak bo'ladi
vaqt o'tishi bilan bu odatiy holdir. Agar korrelyatsiya vaqt o'tishi bilan buzilishi kutilsa, bu foydalidir
har biri nol gipoteza bo'yicha F taqsimotiga amal qiladi (mos keladigan effektlarning barchasi nolga teng).
biz ANOVA jadvaliga qaraymiz (Kutner 2005; Milliken, Jonson 2009). F statistikasi
(Milliken, Jonson 2009).
RM modeli uchun xulosa chiqarish tartibi ANOVA ga juda o'xshaydi. ni hisoblashimiz mumkin
a va birinchidan, chunki muhim o'zaro ta'sir asosiy effektlarning ahamiyatini maskalashi mumkin va
effektlar (a va ) va o'zaro ta'sir. E'tibor bering, biz doimo o'zaro ta'sirni sinab ko'rishimiz kerak
funktsiyalari (Szczesniak, McPhail, Duan, Macaluso, Amin, Clancy 2013).
ANOVA-bir vaqtning o'zida komponentlar tahlili (ASCA) deb ataladigan boshqa usul. ASCA bu a
40
Machine Translated by Google

---

ÿ ÿ=1
+
ÿ ÿ 3
ÿ 2
ÿ ÿ
ÿ=1
ÿ
41
davolash, vaqt va mavzuning o'zaro ta'siridir; ÿ ÿ
ÿ
ÿ ÿ
davolashning o'zaro ta'siri; ÿ ÿ
ÿ ÿ
hisoblanadi
ÿ
ÿ
= + ÿ ÿ
matritsani komponent baliga va yuklash matritsasiga va xato atamasi. Quyida to'liq
+
h guruhida takrorlanadi.
h = 1, … ,H; ÿ = 1, … , ÿ .
qoldiqlar matritsasi. Tegishli matritsalar yuklovchi matritsalardir. ANOVA-dan farqli o'laroq, biz
ma'lumotlar. Misol tariqasida, simulyatsiya o'rganishning ball uchastkalarida (qo'shimcha 3-rasmga qarang ) , sub-
nuqtalar va J o'zgaruvchilar sonini bildiradi. birliklarning K oÿlchamli vektori va J
model) vaqtning asosiy effektini yoki o'zaro ta'sirni aniqlash uchun; va biz mos keladiganidan foydalanishimiz mumkin
mavjud vaqt sonini bildiradi
Quyidagi cheklovlar bilan:
o'zgaruvchilarning umumiy vositalarining o'lchovli vektori, shuning uchun matritsadagi har bir qator
qaysi o'zgaruvchilar o'zgarish uchun mas'ul ekanligini aniqlash uchun loadings chizmalari. Ba'zilar bor
model (Smilde, Jansen, Hoefsloot, Lamers, van der Greef, Timmerman 2005):
ASCA orqasida asl ma'lumotlarni parchalaydigan asosiy komponent tahlilidan kelib chiqadi
(2) ÿ
Ferrer 2007).
“vaqt” effektining matritsasi; ÿ “vaqt”ni ifodalaydi va
bo'ladi
sonini bildiradi
o'zgaruvchilarning umumiy o'rtacha qiymati.
(3) ÿ
H guruhlar sonini bildiradi va
;
har bir effekt uchun dastlabki bir nechta komponentlarning ballar chizmalaridan foydalanadi (matritsalar, aka, sub
+
= 0
ASCA ball uchastkalariga misollar (Nueda, Conesa, Westerhuis, Hoefsloot, Smilde, Talon,
(1) = 0
kovariatsiya matritsalari birlik yoki ko'p o'lchovli normallik farazi buzilgan. Fikr
ifodalaydi
ÿ matritsa qayerda
= 0
O'z maqolalarida ular asosan ASCA ning mikroarray vaqt kursida qo'llanilishini muhokama qildilar
Machine Translated by Google

---

(davolashning asosiy ta'siri va uning vaqt effekti bilan o'zaro ta'siri). Chapdagi foizlar qandayligini ko'rsatadi
Bijlsma, Rubingh, Vis, Jellema va boshqalar. 2010). ARMA modeli faqat bizda mavjud bo'lganda mantiqiy bo'ladi
Ushbu misolda vaqtni davolash effekti mustaqil ravishda modellashtirilmagan, bu boshqacha
har bir uzunlamasÿna o'lchovni vaqtning silliq funktsiyasi sifatida ko'rib chiqadi va funktsional t-turidan foydalanadi
2011) yaxshi tanlov bo'lishi mumkin. Qog'oz silliqlashtiruvchi splinelar aralash effektli modelni taklif qildi
ta'sir mavjud; quyidagi ikkita bir xil davolash bo'yicha sub'ektlar o'rtasidagi farqlarni ko'rsatadi. Eslatma
ma'lumotlar. U vaqt profilini funksiya sifatida va vaqt profili funksiyasi parametrlarini sifatida ko'rib chiqadi
Sucharew, Miodovnik, Rosenn, Khoury 2012) bu bilan bog'liq biomedikal dastur uchun
Timmerman 2005).
shundan ASCA asl qog'ozida (Smilde, Jansen, Hoefsloot, Lamers, van der Greef,
ikkita egri chiziq o'rtasidagi farqni aniqlash uchun test statistikasi. Qarang (VanDyke, Ren,
ko'p vaqt nuqtalari va eksperimental sharoitlarda biz moslashish uchun ierarxik chiziqli modeldan foydalanishimiz mumkin
a modeli asosiy vaqt effektini, b + ab kichik modeli esa davolash effektini ifodalaydi
vaqt seriyali ma'lumotlar tahlili (ARMA modeli) kabi qog'oz (Smilde, Westerhuis, Hoefsloot,
Vaqt kursi ma'lumotlarini tahlil qilishning ko'plab boshqa usullari mavjud, biz buni muhokama qilmaganmiz
yondashuv. Bundan tashqari, agar bizda bo'lsa, metabolomika bo'ylama tadqiqotlar uchun juda mos keladi
mos keladigan effektning o'zgarishi (sub-model). Birinchi syujet ijobiy vaqtni ko'rsatadi
profil egri chizig'ini toping va solishtiring, so'ngra funktsional asoslangan usul (Berk, Ebbels, Montana
faqat ikki yoki uch vaqt nuqtalari ko'p. Agar bizning ma'lumotlar to'plamimiz ko'p vaqt nuqtalariga ega bo'lsa va biz xohlasak
Ko'pgina kichik modeldagi komponentlar (ushbu matritsada saqlanadigan asosiy komponentlar) buni tushuntiradi
tasodifiy o'zgaruvchilar (Jansen, Hoefsloot, Boelens, van der Greef, Smilde 2004).
42
Machine Translated by Google

---

Metabolomika tez rivojlanayotgan soha bo'lib, bizning tushunchamizni sezilarli darajada yaxshilagan
tadqiqot. Bularga nazoratsiz o'qitish usullari, nazorat qilinadigan o'quv usullari, yo'l kiradi
tizim kasalliklari, saraton, diabet va yurak kasalliklari. Metabolomikani qo'llash quyidagilarga olib kelishi mumkin
ma'lumotlarni tahlil qilishda ushbu turdagi ma'lumotga ega bo'lmagan tadqiqotchilar uchun.
Ushbu sharhga kiritilmagan t-test namunasi. Umid qilamizki, bizning sharhimiz foydali ma'lumotnoma bo'ladi
sharoitlar. Metabolomika kistik fibroz, markaziy asab kabi kasalliklarni o'rganish uchun ishlatilgan
kasallik. Ushbu sharh metabolomika, NMR va MSning fonini qisqacha tanishtirdi
xavfini tashxislash, oldini olish va kuzatishga yordam beradigan aniqroq biomarkerlarni kashf qilish