Quantitative Analyse von Arzneistoff-Membran-Wechselwirkungen ...

Modellierung der Verteilungsvorgänge
den Vektoren der ursprünglichen Deskriptoren und den extrahierten latenten Variablen. Ein kleiner
loading-Wert eines Deskriptors zeigt, dass die Information nur unzureichend von der latenten
Variablen extrahiert wurde. Eine perfekte Wiedergabe eines Deskriptors innerhalb einer LV führt zu
einer Ladung von 1. Als Grenzwert für eine signifikante Ladung einer ursprünglichen Variablen durch
eine latente Variable wird allgemein ein Wert von 0.7 gewählt, da dieser ca. 50% der Varianz der
ursprünglichen Variablen entspricht.
Die score-Matrix beinhaltet Informationen über die Verbindungen. Dabei ist jedes Molekül anstatt
durch seine Deskriptoren über seine Beträge zu den score-Werten der jeweiligen latenten Variablen
charakterisiert. Die score-Werte stellen somit die Projektion der ursprünglichen Variablen
(Verbindungen) auf die latenten Variablen dar. In diesem Zusammenhang sind die score-Werte der
ersten LV von besonderer Bedeutung. Sie repräsentiert den generellen Zusammenhang zwischen den
Molekülen und den Aktivitätsvariablen, weil die erste LV die meiste Varianz extrahiert.
Bei der PLS-Analyse sollen die latenten Variablen sowohl die X-Matrix als auch die Y-Matrix
repräsentieren. Dabei wird der bestmögliche Zusammenhang zwischen den X- und Y-Variablen
angestrebt. Die Kovarianz zwischen X- und Y-Variablen wird somit maximiert. Mit zunehmender
Anzahl an latenten Variablen kann eine überzogene Anpassung (overfitting) auftreten. Die optimale
Anzahl der latenten Variablen wird anhand der Vorhersagekraft bei unterschiedlicher Zahl an LV
bestimmt. Im Gegensatz zur multiplen linearen Regression (MLR) dient beim PLS-Verfahren die
Vorhersagekraft als Auswahlkriterium für das beste Modell.
Als wichtige Kennfaktoren einer PLS-Analyse sind demnach die Anzahl der zu extrahierenden latenten
Variablen, die score-Werte der Verbindungen und die loading-Werte der ursprünglichen Variablen
(Deskriptoren) in der ersten latenten Variablen herauszustellen.
6.1.4.2. Testung der Vorhersagekraft
Zur Kontrolle der Signifikanz des Beitrags der einzelnen latenten Variablen eignet sich das cross
validation-Verfahren (CV). In Verbindung mit der PLS-Analyse nutzt man die CV zur Bestimmung
der optimalen Anzahl latenter Variablen (Kubinyi und Abraham 1993). Es gibt verschiedene Vorgehensweisen,
die Vorhersagekraft des Modells abzuschätzen:
Leave-one-out-Modelle (LOO) werden erstellt, indem ein Objekt (Verbindung) aus der PLS-Analyse
ausgelassen wird (Testsatz). Für diese Verbindung wird der Aktivitätswert nach einer erneuten PLS-
Analyse berechnet. Dieser Vorgang wird zyklisch wiederholt, bis jede Verbindung einmal ausgelassen
und ihr Y-Wert vorhergesagt worden ist. Die unberücksichtigte Information einer ausgelassenen
Verbindung kann sich in Fall von Objektgruppen weiterhin im Modell befinden, so dass sich die LOO-
Methode eher als eine oberflächliche Testung erweist.
Die random group-Methode, besser als leave-n-out-Methode zu bezeichnen, trägt diesem Umstand
Rechnung. Die Einteilung der Objekte (Verbindungen) in Gruppen erfolgt zufällig und die Prozedur
wird mehrfach wiederholt, wobei üblicherweise 5 Gruppen, entsprechend 20% der Verbindungen,
ausgewählt werden. Jede Gruppe (Testsatz) besteht aus einer ausgeglichenen Menge an Objekten.
Nun wird jede Gruppe einmal pro Analyse ausgelassen und die Aktivitäten der Objekte des entsprechenden
Testsatzes vorhergesagt. Im Gegensatz zur LOO-Methode variiert die Vorhersagekraft
88