关于统计化学的主成份分析 （PCA）

orionsnow

关于统计化学的主成份分析 （PCA）

现在有若干种天然植物油，每种油由50 多种化学成分。

现在我想做pca pricinple componets analysis
做完之后用分组结果，来对这些植物油做聚类分析（classification）

分析那些化学成份够成主成份。 这个教科书上有现成的例题和软件包。

更复杂一点的， 能不能把化学分子式之间的相关性也考虑进去作为聚类分析的依据？

比如 油A 是一种不饱和脂肪酸， 在长期存放的时候或者阳光充足的时候会完全转化为 饱和脂肪酸 B  。 就是说那些 A+B 的数值高的植物油应该聚为一类。

roywwcheng

关于统计化学的主成份分析 （PCA）
能不能把化学分子式之间的相关性也考虑进去作为聚类分析的依据
orionsnow 发表于 2010-2-1 15:16

根据经验，现实试验当中，这样搞意义一般不是太大。比如你举的A、B的例子，两个变量本身的相关性很大，往往只取其中一个变量加入到学习的feature里就够了。如果你做一些feature selection之类的预处理工作，往往就是把这些强相关的变量剔除掉。

不过强烈建议你试试。面对具体的应用，量性对比不同的方法还是最稳妥的。期待听到你的结果。

orionsnow

谢谢你的建议。

不过我们做的试验提前已经知道背景信息了，是在一个植物里头， 一个芳香族分子A，某些植物可以把它转化成另外一个同分异构体B，这样A和B 的含量都是随机变数，但是A+B 是一个方差很小的常数，所以聚类的时候必须把这个特殊的条件考虑进去，AB应该 是同一组很接近的两个位置才合理。

我目前的想法是直接把AB 项合并。然后重新做聚类分析。

芳香烃的分子一般就是互补关系 （相关系数， 0《 xxx《-1），

A 《-》B   单向或者可逆反应， 基本上就有这个规律



现在我在看还有没有你说的那种情况，相关系数+1，就是说一个多另外一个也多。

这个好像是催化酶和反应产物之间有这个关系吧？ 或者  A+B =》 C  
当A 的含量特别低的时候， C 的含量会和 A 正比


另外我还有个问题，化学分析同素异构体的命名是怎么来得？

比如 Alpha-BetaThujone  

有没有什么资料可以指导我，让我看到名字就可以手写分子式？

GenionL

。。。。。。。。。。。。。。。。。

stubor

谢谢你的建议。

不过我们做的试验提前已经知道背景信息了，是在一个植物里头， 一个芳香族分子A，某些植 ...
orionsnow 发表于 2010-2-2 10:55

在化学里,有机物才有同分异构体,无机物叫做同素异形体.

同分异构体的命名有专门的手册,
通俗命名法又叫习惯命名法：以碳原子总数命名“某烷”，在某烷前面加正、异、新区别同分异构体(无同分异构体时，“正”去掉)。     
有一些简单的规则,你可以大致了解一下:(从网上搜来,觉得讲得不错了)
1.“长”。即在命名时要选择烃分子中最长的碳链为主键，以主链上的碳原子数称为“某烷”。然而初学者在命名时，大多善于选择形式上的“长”链，而不会选实际上的长链，而不会观察拐弯相连的长链。 例如：在，一些同学常把主链误选为五个碳的主链，而实际上应为含有丙基和乙基的八个碳的主链；又如在 结构中，命名时一些同学常误认为主链的碳原子数为八个或九个或十个，而实际上，按最“长”原则主链碳原子数应为十一，如结构中标号所示。(注：该例只适宜在练习时供选主链用，中学阶段不适宜命名用)。
2.“多”。是指主链上含有的取代基要最多。在有多个等长碳链时，要选择含有支链最多的碳链作为主链，以便于命名时方便简单。例如：在 中，有三条等长碳链，但由于从左到右的碳链上取代基最多(四个)，故主链应选从左到右的碳链作为主链。又如，在 中，主链不应选择从左到右的长链，而应选择向下拐弯的碳链为主链，因为这样主链上的取代基最多(5个)。
3.“近”。即在给主链上碳原子编号时，要从距取代基(支链)最近的一端编起，用以确定取代基在主链上的位置。例如：在 中，给主链碳原子编号应从右端编起，而不应从左端编起，即该烃名称应为：3，4—二甲基—5—乙基辛烷而不是5，6—二甲基—4—乙基辛烷。
4.“小”。是指按照上述三原则选择的主链，编号确定取代基在主链上的位置时，取代基的序数之和要最小，否则命名是错误的。例如： 其正确名称应为2，5—二甲基—3—乙基己烷(取代其序数和为2+5+3＝10)，而不是2，5—二甲基—4—乙基己烷(取代基序数和为2+5+4＝11大于10)。再如： 其名称应为3，3，5—三甲基庚烷，而不是3，5，5—三甲基庚烷。 启示一：在主链两端等距离地出现相同的取代基时，按取代基所在位置序数之和较小的给取代基定位。即两端等距又同基，取代基序数和要最小。
5.“简”。是指靠近起点碳的取代基要最简单。例如，在 中，给主链碳原子编号时，起点碳应是右边而不是左边，即该烃名称为3—甲基—4—乙基己烷，而不是4—甲基—3—乙基己烷。 启示二：在主链两端等距离地出现不同的取代基时，从靠近简单取代基的一端给主链编号。即两端等距不同基，起点靠近简单基。

orionsnow

谢了。 我们做的那个东西是个碳链，末端有个苯环，苯环上可能挂羟基。 物质的分子式是一样的，但是空间结构是不一样的。

同素异型体好像是红磷白磷这种的吧？  记得以前高中是定义的，由同样元素组成的化学结构和特性不相同的物质。

我说的这个肯定不是的。

orionsnow

晕阿，同素异构体居然是我自己打的，老糊涂了阿。

stubor

alpha,beta这种,在具体情况下要具体分析,大部分说的是萘,蒽等等多个苯环连接起来的环上官能团所在的不同位置.

orionsnow

汇报下结果，数据分析完了，发了垃圾文章两篇