多组学关联分析实操（二）| O2PLS

       之前我们了解了基于相关性进行的一些多组学关联分析。那么在SCI论文中，还有一些比较受欢迎的多组学联合分析方法——机器学习。接下来，小易带大家学习下多组学关联分析“重器”—— O2PLS。

O2PLS简介

       O2PLS方法全称为Two-Way Orthogonal PLS，即双向正交偏最小二乘法。该方法同PCA, PLS and CCA等方法相比，考虑了不同场景下数据集中的大小，规模，分布和实验误差等因素，建模过程中考虑了不同数据集间 joint, specific和residual三部分，适用于复杂场景下的数据挖掘，属于非监督建模的一种。

       O2PLS方法的R语言版本于2018年发表于BMC Bioinformatics杂志，可用于挖掘多组学不同维度数据间的关联特征。

       该模型构建包括三个步骤：

1）交叉验证（Cross-validating）：确定O2PLS成分个数；

2 ）拟合(fitting）：拟合O2PLS模型；

3 ）归纳及可视化（Summarizing & visualizing）：对结果进行总结及可视化。

O2PLS应用实践

       我们以代谢组与微生物为例，使用O2PLS进行关联分析。

1 输入文件准备

1.1 代谢组含量