We aligned and normalized the raw d

We aligned and normalized the raw data, then excluded the
values of RSD 4 20% within one group. Finally, a total of 896 peaks in ESI þ and 730 peaks in ESI were merged and imported into the SIMCA-P software for multivariate statistical analysis (Smilde et al., 2005). To investigate the global metabolism variations, we first used PCA to analyze all observations acquired in both ion modes. PCA, as an unsupervised pattern recognition method for handling metabolomics data, can classify the metabolic pheno- types based on all imported samples. As shown in the PCA score
3D plot (Fig. 3), an overview of all samples in the data can be observed and exhibit a clear grouping trend (R2X, 0.503; Q2, 0.298) between sham, model and BNC-treated groups. This observation indicates that MCAO disturbs metabolism of endogenous sub- stances compared to the normal state. Furthermore, low-level doses of BNC had an effect on MCAO-induced ischemia, although the trajectory of the BNC treated groups did not return to baseline values.

ผลลัพธ์ (ไทย) 1:

เราจัดตามปกติข้อมูลดิบ จาก นั้นแยกตัวค่า RSD 4 20% ภายในหนึ่งกลุ่ม ในที่สุด ยอด 896 ใน ESI þและยอด 730 ใน ESI รวม และนำเข้าซอฟต์แวร์ SIMCA-P สำหรับวิเคราะห์ทางสถิติตัวแปรพหุ (Smilde et al. 2005) การตรวจสอบรูปแบบเผาผลาญโลก เราเลยใช้ PCA วิเคราะห์สังเกตมาในทั้งสองโหมดไอออน PCA เป็นวิธีการรู้จำรูปแบบขั่วสำหรับการจัดการข้อมูล metabolomics สามารถจัดประเภทเผาผลาญ pheno ชนิดตามตัวอย่างที่นำเข้าทั้งหมด แสดงคะแนน PCA3D จุด (รูป 3), ภาพรวมของตัวอย่างทั้งหมดในข้อมูลสามารถตรวจสอบ และมีแนวโน้มชัดเจนจัดกลุ่ม (R2X, 0.503 Q2, 0.298) ระหว่างซัมซุยโป รุ่น และถือว่า BNC กลุ่ม สังเกตการณ์นี้บ่งชี้ว่า MCAO disturbs เผาผลาญเมื่อเทียบกับสถานะปกติหกามย่อยภายนอก นอกจากนี้ ปริมาณต่ำของ BNC มีผลต่อ MCAO ที่เกิดการขาดเลือด แม้ว่าวิถีของ BNC ถือว่า กลุ่มไม่ส่งกลับค่าข้อมูลพื้นฐาน

ผลลัพธ์ (ไทย) 2:

เราให้อยู่ในแนวปกติข้อมูลดิบแล้วยกเว้น
ค่า RSD 4 20% ภายในกลุ่มหนึ่ง. Peaks สุดท้ายรวมเป็น 896 และ 730 Þยอด ESI ESI รวมทั้งในและนำเข้ามาในซอฟท์แว SIMCA-P สำหรับหลายตัวแปรการวิเคราะห์ทางสถิติ (Smilde et al., 2005). ในการตรวจสอบรูปแบบการเผาผลาญอาหารของโลกเรา fi ใช้ RST PCA ในการวิเคราะห์การสังเกตทั้งหมดที่ได้มาในโหมดไอออนทั้งสอง. PCA เป็นวิธีหากินจดจำรูปแบบสำหรับการจัดการข้อมูล metabolomics สามารถจำแนกประเภท pheno- การเผาผลาญอาหาร . ทั้งหมดตามตัวอย่างที่นำเข้าตามที่แสดงในคะแนน PCA
แปลง 3D (รูปที่ 3) ภาพรวมของกลุ่มตัวอย่างทั้งหมดในข้อมูลที่สามารถจัดกลุ่มที่สังเกตและแสดงความชัดเจนเทรนด์ (R2X, 0.503; Q2, 0.298) ระหว่างการเสแสร้งรุ่น และได้รับการรักษา BNC กลุ่ม. สังเกตนี้บ่งชี้ว่า MCAO ขัดขวางการเผาผลาญอาหารของสถานการณ์ภายนอกย่อยเมื่อเทียบกับสภาวะปกติ. นอกจากนี้ปริมาณระดับต่ำของ BNC มีผลต่อการขาดเลือด MCAO ที่เกิดขึ้นแม้ว่าวิถีของ BNC ได้รับการรักษากลุ่มได้ ไม่กลับไปเป็นค่าพื้นฐาน