f*******9
发帖数: 74 | 1 我有一组temporal-spatial的基因表达数据，已知时间变量和空间变量，现在想剔除空
间的影响，只分析时间序列，请问该怎么做？比如：
时间 空间 数据
1 A X1 (几百个基因）
2 B X2
2 C X3
3 B X4
3 D X5
4 A X6
4 C X7
5 D X8
... ... ...
通过PCA/PLS分析之后发现空间的作用比较大，所以不能把不同空间的同一个时间点简
单相加。我觉得应该有一种方法，把空间那部分的component给减掉，但不知怎么操作
，还请指教，多谢。
补充：我说的是整体剔除某个因素的作用，不是通过regression把显著的给挑出来。 |
p********n
发帖数: 3367 | |
f*******9
发帖数: 74 | 3 没想到上了首页，谢版主。
我好好的问个问题，不明白为什么总有一些ID喜欢嘲讽别人？
：机器人算数？ |
s****u
发帖数: 1433 | 4 去狗 design of experiment.
构造几个因子的相关性模型。然后用你的实验数据计算各个变量的
相关系数。
比如，时间变量*a+空间变量*b+时间变量*空间变量*c
作为你的模型，然后递归计算a,b,c
然后就可以预测了 |
D***0
发帖数: 414 | 5 如果你只想知道时间的作用，是不是可以把数据group下，每一个空间作为一组做回归？
看看每组间有没有差异再说？
或者建议定义一个dummy variable 比如叫 space,
if area=A then space=1;else space=0;
if area=B then space=1;else space=0;
if area=C then space=1;else space=0;
if area=D then space=1;else space=0;
如果用A做baseline,记得做regression时，independent variable 只写B，C，D
一般可以考虑用frequency 最高的那个做baseline |
f*******9
发帖数: 74 | 6 谢回复。我也用这种包含相互作用的线性模型对每个X变量(基因)做了分析，是可以找
出来对时间或空间变量显著的基因。你说的递归是不是一种feature selection？就是
把这些基因看作一个集合，然后计算系数？
【在 s****u 的大作中提到】
: 去狗 design of experiment.
: 构造几个因子的相关性模型。然后用你的实验数据计算各个变量的
: 相关系数。
: 比如，时间变量*a+空间变量*b+时间变量*空间变量*c
: 作为你的模型，然后递归计算a,b,c
: 然后就可以预测了
|
f*******9
发帖数: 74 | 7 第一个的问题是，每个group里面的时间点太少，只有1-4个。
第二个建议不错，不过如果频率差不多，那就只能消掉一个空间部位的影响，其他的怎
么办？
我附了一张PLS(Partial Least Squares)的图，画的是response score，左右图分别标
记了空间和时间的样本名称。由图看出，大部分样本还是沿着一条斜线分布。如果仔细
看，右图的时间点从右到左按顺序排列(不考虑上下关系)。我的想法就是把这条斜线变
成直线，比如时间是水平线，空间是垂直线，这样就校正了每个因素的影响。然后再把
这种变换还原到X，问题是怎么还原还没想出来。
归？
【在 D***0 的大作中提到】
: 如果你只想知道时间的作用，是不是可以把数据group下，每一个空间作为一组做回归？
: 看看每组间有没有差异再说？
: 或者建议定义一个dummy variable 比如叫 space,
: if area=A then space=1;else space=0;
: if area=B then space=1;else space=0;
: if area=C then space=1;else space=0;
: if area=D then space=1;else space=0;
: 如果用A做baseline,记得做regression时，independent variable 只写B，C，D
: 一般可以考虑用frequency 最高的那个做baseline
|
D***0
发帖数: 414 | 8 第二种方法的作用并不是消掉某一个空间，而是能知道与A相比，B，C，D的作用是多少。
我并不确定是否有足够好的方法能够剔出空间影响，因为个体的差异和每个个体受到空
间的影响也是不同的。
你已经用过PCA了吧？PCA就是把correlated 变成independent,不知道你要做什么，也
许你可以换个方式draw your conclusion. |
u*******r
发帖数: 2855 | 9 主要是怎么建模的问题
首先你要考虑如何定义时间和空间的类别，比如
1. 空间是fixed effect
则要考虑它是continuous variable or categorical variable
如果是categorical variable，你可以采用上面某位建议的，建立一组dummy variable,
A, B,..., X
y(space=A)=K1*time+A+ε1
y(space=B)=K1*time+B+ε2
...
y(space=X)=K1*time+X+ε3
三种方式处理dummy variable:
1)sum(A+B+...+X)=0;
2)A=0
3)不加限制，但是只有dummy variable之间的相对大小有意义
当然你也可以加入二次方，比如y=K1*time+K2*time^2
如果你把空间定义为continuous variable，那么
你可以像上面建议的那样只考虑线性:
y=K1*time+K2*space+ε
也可以考虑interaction
y=K1*time+K2*space+K12*time*space+ε
可以考虑更高次方
y=K1*time+K2*space+K12*time*space+K11*time^2+K22*space+ε
等等
2.空间是random effect
那么可以把空间当作一个block，model是
y1=K1*time+（K2*time^2）+εblock+ε1，这里所有space A里面的数据的εblock都是
εA，..., Space X里面的数据的 εblock都是εX,εA到εX是variance(block error)
的normal distributijon.需要用MLE来estimate variance(block error)和variance(
random error)的相对大小.
最后，最好是用design of experiment来design你的实验，这样可以保证你的effect(K
)的variance最小。如果你是用historical的随机数据，考虑到correlation和aliasing
effect，有可能出现K的variance比较大，inflation比较高
【在 f*******9 的大作中提到】
: 谢回复。我也用这种包含相互作用的线性模型对每个X变量(基因)做了分析，是可以找
: 出来对时间或空间变量显著的基因。你说的递归是不是一种feature selection？就是
: 把这些基因看作一个集合，然后计算系数？
|
D***0
发帖数: 414 | 10 空间的影响也会随时间变化，变化的方向因个体而不同。
也许可以考虑设立空间对照，每一个时间点有一个对照的空间control， 这样就可以把
空间的影响normalize掉，可以参考difference in difference model的思路。 |
