주성분 분석(PCA) 방법과 달리, Partial Least Squares Discrimination Analysis(PLS-DA) 또는 Orthogonal PLS-DA(OPLS-DA)는 감독된 판별 분석 통계 방법입니다. 이 방법은 PLS-DA를 사용하여 대사물질 표현량과 샘플 유형 간의 관계 모델을 구축하여 샘플 유형을 예측합니다. 두 그룹 간의 PLS-DA 모델(그림 1) 또는 OPLS-DA 모델(그림 2)을 각각 구축하며, 모델에서 얻은 매개 변수 평가는 표 형식으로 제공됩니다. R^2X와 R^2Y는 각각 X와 Y 행렬에 대한 모델의 설명력을 나타내며, Q2는 모델의 예측 능력을 표시합니다. 이론적으로 R^2, Q^2 값이 1에 가까울수록 모델이 좋다는 것을 의미하고, 낮을수록 모델의 적합 정확성이 떨어짐을 의미합니다. 일반적으로 R^2, Q^2가 0.5(50%) 이상이면 좋고, 0.4 이상이면 수용 가능하며, 두 값의 차이는 너무 크지 않아야 합니다. 임상 샘플은 개인 차이가 크고 통제할 수 없기 때문에, 특히 대규모 샘플에서는 R^2, Q^2가 약 0.2여도 무방합니다. 그림 3은 PLS-DA 모델(c)의 검증을 나타내며, 직선의 기울기가 크고 Q^2의 절편이 X임을 나타내며, 이는 PLS-DA 모델이 과적합되지 않았음을 의미합니다. 또한 변수 투영 중요도(Variable Importance for the Projection, VIP)를 계산하여 각 대사물질의 표현 패턴이 각 그룹 샘플 분류 판별에 미치는 영향력과 설명 능력을 측정하며, 이를 통해 표지 대사물질의 선별을 보조합니다(일반적으로 VIP 값>1.0을 선별 기준으로 사용)(그림 4).
