Principal component analysis for SIFT-MS

0336629 - ÚFCH JH 2010 RIV CZ eng L4 - Software
Dryahina, Kseniya - Španěl, Patrik
Principal component analysis for SIFT-MS.
[Analýza hlavních komponent pro SIFT-MS.]
Internal code: pcaMSwin.exe ; 2009
Technical parameters: Jako vstupní data se používá soubor v text.formátu. V případe použití 1 primárního iontu (H3O+, NO+, O2+) se do vstup. souboru ukládá normal. automat. tabulka přímo exportovaná programem SIFT-MS Msview, kde každý řádek odpovídá 1 hmotnostnímu spektru

R&D Projects: GA ČR GP203/09/P172
Institutional research plan: CEZ:AV0Z40400503
Keywords : principal component analysis * mass spectrometry
Subject RIV: CF - Physical ; Theoretical Chemistry

A basic method in multivariate analysis is Principal Component Analysis (PCA), which involves a mathematical procedure that transforms a number of correlated variables into a smaller number of uncorrelated variables called principal components. The first principal component accounts for as much of the variability in the data as possible, and each succeeding component accounts for as much of the remaining variability as possible.

Jako vstupní data se používá soubor v textovém formátu. V prípade použití jednoho primárního iontu (H3O+, NO+ nebo O2+) se do vstupního souboru ukládá normalizovaná automatická tabulka přímo exportovaná programem SIFT-MS Msview, ve které každý rádek odpovídá jednomu hmotnostnímu spektru. Príprava dat pro vyhodnocování (prepare data) muže provést logaritmickou transformac i (log transform), která potlací velký dynamický rozsah možných úrovní signálu na konecný výsledek, a jenom sloupce se standardní odchylkou vetší než stanovený limit (S.D. limit) budou použity pro další vyhodnocování. Každé individuální spektrum je po PCA analýze popsáno vektorem hlavních komponent. Eigenvektory, které odpovídají jednotlivým komponentám mohou být znázorneno graficky, což usnadní interpretaci výsledku z hlediska prirazení látek.
Permanent Link: http://hdl.handle.net/11104/0180824