Principal component analysis (PCA)T

Principal component analysis (PCA)
The PCA made it possible to differentiate the 20 samples of G.
lutea on the basis of their content of secondary metabolites. The
2D graphical representation of principal-component analysis is
shown in Fig. 4, and represents 95.4% of the total variance in the
data set. The variability of data was generated mostly by the
content of gentiopicroside (values of eigenvectors: 0.66; 0.04)
in the first PC and by loganic acid (values of eigenvectors: 0.09;
0.29) in the second PC. Samples on the lower left hand side of
the PCA score plot (Fig. 4A) came from wild populations (apart
from samples W1 and W2) which are characterised by high levels
of gentiopicroside (Fig. 4B). Samples on the top left hand side
(Fig. 4A) came from experimental cultivations, which were characterised
by high levels of loganic acid and, to a lesser extent, by gentiopicroside
(Fig. 4B). Finally, samples on the middle right hand
side of the PCA score plot (Fig. 4A) were purchased commercially,
and correlated to the other secondary metabolites such as amarogentin,
swertiamarin, sweroside and isogentisin. In conclusion, the
variability found in the data matrix seems to be correlated to the
different origin of the samples. The high content of gentiopicroside
appears to be characteristic of wild-type roots; high levels of
loganic acid and gentiopicroside characterised cultivated samples.
Finally the commercial samples seem to be characterised by lower
levels of loganic acid and gentiopicroside.
4

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ส่วนประกอบหลัก (PCA)สมาคมที่ทำการแยกความแตกต่างตัวอย่าง 20 กรัมlutea โดยเนื้อหาของ metabolites รอง ที่ภาพ 2 มิติการวิเคราะห์ส่วนประกอบหลักคือแสดงใน Fig. 4 แสดงถึง 95.4% ของผลต่างรวมในการชุดข้อมูล สร้างความแปรผันของข้อมูลส่วนใหญ่โดยการเนื้อหาของ gentiopicroside (ค่าลักษณะเฉพาะ: 0.66; 0.04)ในพีซีครั้งแรก และกรด loganic (ค่าลักษณะเฉพาะ: 0.090.29) ในเครื่องคอมพิวเตอร์ 2 ตัวอย่างด้านล่างซ้ายมือของแปลงคะแนน PCA (Fig. 4A) มาจากประชากร (แยกป่าจากตัวอย่าง W1 และ W2) ซึ่งมีประสบการ์สูงของ gentiopicroside (Fig. 4B) ตัวอย่างด้านบนซ้ายมือ(Fig. 4A) มาทดลอง cultivations ซึ่งได้ดำเนินโดยระดับสูง ของกรด loganic และ ใน กรณีที่น้อยกว่า โดย gentiopicroside(Fig. 4B) สุดท้าย ตัวอย่างด้านขวามือกลางซื้อของพล็อตคะแนน PCA (Fig. 4A) ในเชิงพาณิชย์และเพื่อการอื่น metabolites รองเช่น amarogentin, correlatedswertiamarin, sweroside และ isogentisin เบียดเบียน การความแปรผันที่พบในเมทริกซ์ข้อมูลน่าจะถูก correlated เพื่อจุดกำเนิดที่แตกต่างกันของตัวอย่าง เนื้อหาสูงของ gentiopicrosideดูเหมือนจะ เป็นลักษณะของป่าชนิดราก ระดับสูงของกรด loganic และ gentiopicroside โรคตัวอย่างโลหะสุดท้าย ตัวอย่างเชิงพาณิชย์ดูเหมือนจะต่ำกว่ารนีระดับของกรด loganic และ gentiopicroside4

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์องค์ประกอบหลัก (PCA)
PCA ทำให้มันเป็นไปได้ที่จะแยกความแตกต่าง 20 ตัวอย่างกรัม
lutea บนพื้นฐานของเนื้อหาของสารรอง
แสดงกราฟิก 2D
หลักของการวิเคราะห์องค์ประกอบจะแสดงในรูป 4 และยังหมายถึง 95.4%
ของความแปรปรวนรวมในชุดข้อมูล ความแปรปรวนของข้อมูลที่ถูกสร้างขึ้นโดยส่วนใหญ่เป็นเนื้อหาของ gentiopicroside (ค่าของ eigenvectors: 0.66; 0.04) ในเครื่องแรกและกรด loganic (ค่าของ eigenvectors: 0.09; 0.29) ในเครื่องคอมพิวเตอร์ที่สอง ตัวอย่างทางด้านล่างซ้ายมือของพล็อตคะแนน PCA (รูป. 4A) มาจากประชากรป่า (นอกเหนือจากตัวอย่าง W1 และ W2) ซึ่งมีลักษณะในระดับสูงของgentiopicroside (รูป. 4B) ตัวอย่างทางด้านซ้ายมือด้านบน(รูป. 4A) มาจากการทดลองปลูกซึ่งมีลักษณะตามระดับสูงของกรดloganic และในระดับน้อยโดย gentiopicroside (รูป. 4B) ในที่สุดตัวอย่างข้างขวาตรงกลางด้านข้างของพล็อตคะแนน PCA (รูป. 4A) กำลังซื้อในเชิงพาณิชย์และมีความสัมพันธ์กับสารทุติยภูมิอื่นๆ เช่น amarogentin, swertiamarin, sweroside และ isogentisin สรุปได้ว่าความแปรปรวนพบในเมทริกซ์ข้อมูลที่ดูเหมือนว่าจะมีความสัมพันธ์กับแหล่งที่มาที่แตกต่างกันของกลุ่มตัวอย่าง เนื้อหาที่สูงของ gentiopicroside ดูเหมือนจะเป็นลักษณะของรากชนิดป่า; ระดับสูงของกรด loganic และ gentiopicroside ลักษณะตัวอย่างการปลูกฝัง. ในที่สุดตัวอย่างเชิงพาณิชย์ดูเหมือนจะโดดเด่นด้วยการที่ต่ำกว่าระดับของกรด loganic และ gentiopicroside. 4

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์องค์ประกอบหลัก ( PCA )
PCA ทำให้มันเป็นไปได้ที่จะแยก 20 ตัวอย่างของ G .
lutea บนพื้นฐานของปริมาณของสารทุติยภูมิ
2D กราฟิกแทนของการวิเคราะห์องค์ประกอบหลัก คือ แสดงในรูปที่ 4
, และเป็นก่อกลายพันธุ์ % ของความแปรปรวนทั้งหมดใน
ชุดข้อมูล ความแปรปรวนของข้อมูลที่ถูกสร้างขึ้นโดย
เนื้อหาของ gentiopicroside ( ค่าเสนอ : 0.66 ; 0.04 )
ใน PC ก่อน และ loganic กรด ( ค่าเสนอ : 0.09 ;
0.29 ) ในเครื่องคอมพิวเตอร์ สองตัวอย่างที่ด้านล่างซ้ายมือของ
PCA คะแนน ( รูปที่ 4 ) แปลงมาจากประชากรในป่า ( ห่างจาก W1 W2
ตัวอย่างและ ) ซึ่งเป็นลักษณะโดยระดับของ gentiopicroside
( รูปที่ 4B ) ตัวอย่างด้านบนซ้ายมือ
( ฟิค4 ) มาเพาะทดลอง ซึ่งมีลักษณะ
โดยระดับสูงของ loganic กรดและในระดับที่น้อยกว่า โดย gentiopicroside
( รูปที่ 4B ) ในที่สุด ตัวอย่างในมือ
กลางขวาของ PCA คะแนนแปลง ( รูปที่ 4 ) ซื้อในเชิงพาณิชย์
และสอดคล้องกับอื่น ๆสารทุติยภูมิ เช่น amarogentin
swertiamarin , , และ sweroside isogentisin . สรุป
ซึ่งพบใน Data Matrix น่าจะเป็นความสัมพันธ์กับ
ที่มาที่แตกต่างกันของคน เนื้อหาสูงของ gentiopicroside
ปรากฏเป็นลักษณะของรากของ ; ระดับสูงของกรดและลักษณะการปลูก gentiopicroside loganic

ในที่สุดตัวอย่าง ตัวอย่างโฆษณาดูเหมือนจะเป็นลักษณะโดยระดับของกรด และ gentiopicroside loganic
.
4