MOFA 因子分析
方法:无监督拆分两组学的潜在因子。
结果:共 8 个因子,其中 3 个同时解释两组学至少 2% 的方差。
各因子方差解释PDF数据
因子在各组的分布PDF数据
前两个因子PDF数据
因子与实验因素下载全表| factor | p_treat | p_level | p_interaction | fdr_treat | fdr_level | fdr_interaction |
|---|
| Factor1 | 5.93e-26 | 0.1192 | 0.1286 | 4.74e-25 | 0.2991 | 0.3429 |
| Factor2 | 0.7073 | 0.000199 | 0.8047 | 0.9625 | 0.001592 | 0.9764 |
| Factor3 | 0.8482 | 0.1829 | 0.000209 | 0.9625 | 0.2991 | 0.001672 |
| Factor4 | 0.8775 | 0.1869 | 0.9764 | 0.9625 | 0.2991 | 0.9764 |
| Factor5 | 0.8829 | 0.1375 | 0.9393 | 0.9625 | 0.2991 | 0.9764 |
| Factor6 | 0.8985 | 0.8322 | 0.04086 | 0.9625 | 0.8378 | 0.1634 |
| Factor7 | 0.9351 | 0.7603 | 0.4489 | 0.9625 | 0.8378 | 0.7183 |
| Factor8 | 0.9625 | 0.8378 | 0.281 | 0.9625 | 0.8378 | 0.562 |
各因子权重
MOFA 因子分析
分析目的
不用分组信息,看两组学有哪些共同和特有的变异来源。
输入数据
方差最大的 5000 个基因和全部代谢物,30 样本。
分析方法
MOFA2,8 个初始因子,按组学标准化。因子与处理、水平、交互项做双因素方差分析。
结果怎么看
看热图判断因子属于哪一层;再看箱线图判断它对应处理还是水平。30 样本偏少,结果以描述为主。
各因子方差解释
注:数字是该因子解释该组学方差的百分比。
因子在各组的分布
注:每个面板一个因子。
前两个因子
注:颜色和形状代表分组。
因子与实验因素
p_ 和 fdr_ 为方差分析 P 和 BH 校正值,treat 处理,level 水平,interaction 交互。
Factor1 顶部权重
注:左基因,右代谢物,各取绝对值最大的 20 个。
Factor2 顶部权重
注:左基因,右代谢物,各取绝对值最大的 20 个。
Factor3 顶部权重
注:左基因,右代谢物,各取绝对值最大的 20 个。
Factor4 顶部权重
注:左基因,右代谢物,各取绝对值最大的 20 个。
Factor5 顶部权重
注:左基因,右代谢物,各取绝对值最大的 20 个。
Factor6 顶部权重
注:左基因,右代谢物,各取绝对值最大的 20 个。
Factor7 顶部权重
注:左基因,右代谢物,各取绝对值最大的 20 个。
Factor8 顶部权重
注:左基因,右代谢物,各取绝对值最大的 20 个。