Replicate はどの様に用意したら良いのでしょうか？
また、１つのサンプル群当たりどのくらいの replicate が必要なのでしょうか？
T I M E
0 wks 2 wks 6 wks n=3
n=3 n=3 n=3
n=3 n=3
×
3 injection×1 injection
×1 injection
×
1 injectionInterpretations (Categorical, Non-averaged)
“Create Interpretation” を選択し、 ”Categorical” と
”Non-Averaged” では、ばらつきを評価しやすい
表示です。
Interpretations (Categorical, Averaged)
“Create Interpretation” を選択し、 ”Categorical” と
”Averaged” では各Condition毎の平均表示です。
4 n x 6 group = 24 群という扱われ方 だったのですが、4回測定を平均化し、
1 x 6group = 6群の比較にまとめました。
Interpretations (Numerical, Averaged)
“Create Interpretation” を選択し、 ”Numerical” と
”Averaged” では各Condition毎の平均表示です。
各Condition内での再現性が良好で
計時変化を視覚化したい場合等に
有効です。
サンプル群の表示順を並び替えたいのですが、
どうすればいいでしょうか？
Profile plot、もしくはMatrix plotの
画面上で右クリックをし、
“Properties”を選択してください。
Columnsタブ上で移動させたい
サンプル群を選択し、上下に移動 させてください。
表示順の入れ替えは、平均化の前後
どちらでも行うことが出来ます。
100% 66%
QC: Filter を使って Entity 中から再現性の悪いデータポイントを除きます。
“Filter by Frequency”を選択し、サンプル群内でシグナルが現れる頻度によって
フィルターをかけることができます。具体的にはn=3測定中、2回以上現れるデータポイントを 採用するのであれば、この値は66.6%となります。次ページ参照。
Filter
をかけることで
Entity数が 絞り込まれていることを
確認してください。
Filter by Frequency の例
at least 100% of all samples at least 66% of samples within each condition
● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
● ● ○ ● ● ● ● ● ●
at least 100% of samples in only one condition ● ● ● ● ● ○ ● ● ●
● ● ● ○ ○ ○ ○ ○ ○ ● ● ● ● ● ● ● ● ○
○ ○ ○ ● ● ● ○ ○ ○ ● ● ○ ● ● ○ ● ● ●
● ● ○ ● ● ● ● ● ○
○ ○ ○ ○ ○ ○ ● ● ● ● ● ● ● ● ○ ● ● ○
● ● ○ ● ● ○ ● ● ○
at least 100% of samples in at least one condition
● ● ● ○ ○ ○ ○ ○ ○
○ ○ ○ ● ● ● ○ ○ ○ at least 66% of samples in at least one condition
○ ○ ○ ○ ○ ○ ● ● ● ● ● ● ● ● ● ● ● ●
● ● ● ● ● ● ○ ○ ○ ● ● ● ● ● ● ○ ○ ○
● ● ● ○ ○ ○ ● ● ● ● ● ● ○ ○ ○ ● ● ●
○ ○ ○ ● ● ● ● ● ● ○ ○ ○ ● ● ● ● ● ●
● ● ● ● ● ● ● ● ● ● ● ● ○ ○ ○ ○ ○ ○
○ ○ ○ ● ● ● ○ ○ ○
○ ○ ○ ○ ○ ○ ● ● ●
at least 66% of samples in only one condition
● ● ● ○ ○ ○ ○ ○ ○ ● ● ● ● ● ○ ● ● ○
○ ○ ○ ● ● ● ○ ○ ○ ● ● ○ ● ● ● ● ● ○
○ ○ ○ ○ ○ ○ ● ● ● ● ● ○ ● ● ○ ● ● ●
● ● ○ ○ ○ ○ ○ ○ ○ ● ● ● ● ● ● ● ● ○
● ○ ● ○ ○ ○ ○ ○ ○ （以下この組合せは省略） ● ● ● ● ● ○ ● ● ●
○ ● ● ○ ○ ○ ○ ○ ○ （以下この組合せは省略） ● ● ○ ● ● ● ● ● ●
○ ○ ○ ● ● ○ ○ ○ ○ ● ● ○ ● ● ○ ○ ○ ○
● ● ○ ○ ○ ○ ● ● ○
○ ○ ○ ○ ○ ○ ● ● ○ ○ ○ ○ ● ● ○ ● ● ○
● ● ○ ○ ○ ○ ○ ○ ○
凡例 ● ：検出される ○ ○ ○ ● ● ○ ○ ○ ○
○ ○ ○ ○ ○ ○ ● ● ○
○ ：検出されない
QC: Filter を使って Entity 中から再現性の悪いデータポイントを除きます。（２）
“Filter by Sample Variability” を選択し、サンプル群内のシグナル強度のCV値で フィルターをかけることができます。
この項目は、全サンプル群中の何群で上記の再現性条件を満たしたかでEntityをフィルターする ことを示しています。例では
at least 8 out of 8 conditionsとなっていますので、
8群全てで
CV値が
30%以下である化合物を残すことを意味しています。
< 40%
< 20% < 30%
8 6
Entity List
の作成 データファイルの
読み込み
ピークアライメント
（Entityの作成）
Entityのフィルター
（ノイズ除去）
グループ定義
データの準備
PCA
（主成分分析）
階層型クラスタ分析 統計的有意差によるEntity 抽出
t-
検定、
ANOVA解析
分けて見つける
IDBrowser
（化合物の推定）
Class Prediction
（判別分析）
推定する
Entity Listの出力 ChemStation, MassHunter
での解析
詳細のクロマトグラム・マススペクトルを解析する
ChemStation, MassHunter
でデータを取る。
実験計画を検討する。
目的、仮説など。
条件を満たす
Entityを探す
（Venn図）
2 群比較
Ｔ検定；2つのサンプル群について有意差があるかどうかを検定
Fold解析；2つのサンプル群のデータから、何倍の差があるかでフィルターをかける機能
Volcano Plot ; t検定とFold解析の結果を視覚化したもの
3 群以上比較
ANOVA（分散分析） ;
3群以上のデータからの有意差があるかどうかを検定
表現方法
主成分(PCA)分析；大まかな傾向を視覚化するツール
クラスタリング；差のある化合物どうしをまとめるツール
判別分析 ；未知試料がどの母集団に属するかを調べるツール
統計解析のためのツール
t検定 A群 B群
95%以上の 確率でここに 入る