MUMA_ver.1.0

592 views
428 views

Published on

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
592
On SlideShare
0
From Embeds
0
Number of Embeds
7
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

MUMA_ver.1.0

  1. 1. How to use a R package of MUMA (Metabolomics Univariate and Multivariate Analysis) > install.packages("muma") > library(muma) インストールに失敗する場合には、以下のパッケージもインストールする。 > install.packages("mvtnorm") > install.packages("robustbase") > install.packages("gtools") > install.packages("bitops") > install.packages("caTools") Presented by Satoshi Kume, Ph.D. MUMAは、Biomolelular NMR Musco's group(San Raffaele Scientific Institute, Milano, Italy)が提供する多変 量解析のRパッケージである。 U検定、多重比較、PCA、PLS-DA、OPLS-DA、 STOCSYが実行できる。 140713 ver. 1.0 1. MUMAのインストール http://cran.r-project.org/web/packages/muma/index.html0. MUMA in R
  2. 2. 2. 作業フォルダの作製 (フォルダの新規作成) .csv fileをフォルダ内にコピーする ファイル内フォーマットは右の通り。。 1列目: サンプル名、2列名: クラス番号(整数で指定する)、 3列名以降: ヘッダー有りのデータ Rで、上記ディレクトリに移動する。。 > work.dir(dir.name="WorkDir") データ例 > explore.data(file="test.csv", scaling="auto", scal=TRUE, normalize=FALSE, imputation=FALSE) > Plot.pca(pcx=1, pcy=2, scaling="auto", test.outlier=TRUE) # PC1 & PC2のプロット 3. 主成分分析(PCA; Principal component analysis) 4. 単変量解析(UA; Univariate analysis) > univariate(file="test.csv", imputation=FALSE, normalize=FALSE, multi.test=TRUE, plot.volcano=TRUE) 5. PCA-UA plot > Plot.pca.pvalues(pcx=1, pcy=2, scaling="auto")
  3. 3. > oplsda(scaling="auto") 7. OPLS-DA; Orthogonal Projection to Latent Structures - Discriminant Analysis 8. STOCSY; Statistical Total Correlation Spectroscopy > stocsy(scaling="auto", threshold=TRUE, pos.threshold=0.8, neg.threshold=-0.8) > chose.driver(scaling="auto") > stocsy.1d(scaling="auto", driver.peak=13) > ostocsy(pos.threshold=0.8, neg.threshold=-0.8) 9. Orthogonal Signal Correction (OSC) – STOCSY 10. Ratio Analysis NMR SpectroscopY (RANSY) > ransy(scaling="auto", driver.peak=13) > plsda(scaling="auto") > Plot.plsda(pcx=1, pcy=2, scaling="auto") # PC1 & PC2のプロット 6. 部分最小二乗法判別分析(PLSDA; Partial Least Square Discriminant Analysis)

×