SIMCA软件是由MKS Data Analytics Solutions（原Umetrics公司）于1987年研究开发成型，是一款功能强大的MVDA 建模、分析和决策支持工具，已成为多元变量统计分析的标杆。
研发至今，SIMCA软件一直在不断升级和更新迭代，致力于给用户更好的体验。近日，SIMCA 16全新上市，功能比以前更强大，优化更彻底，最重要的是：新技术MOCA （Multiblock Orthogonal Component Analysis）可实现多组学数据联合分析！
新技术MOCA 让多组学联合分析轻而易举
MOCA（Multiblock Orthogonal Component Analysis）是一种新的多模块数据分析方法，所有模块具有相同的观测值，但变量不同。
MOCA同时提供所有模块中的信息概览，类似于PCA为一个模块提供信息， O2PLS为两个模块提供信息。
MOCA基于OnPLS算法，该算法创新性地使用OPLS和PCA在一次分析中找到联合的和唯一的模块信息。
该方法回答了以下问题：
这些区模块中有多少信息是共同的？
每个特定模块有多少变化是唯一的？
可以应用的一些例子比如：
系统生物学，样本用代谢组学、蛋白质组学、脂质组学等分析的；
生产数据，过程信号补充与光谱；
感官数据，将专家数据与化学分析和消费者偏好进行比较。
案例数据结果展示：
MOCA用分数相关矩阵检验模型的质量，由3模块9个分量组成分数相关矩阵，9x3=27行27列，每组 3x3个平方（每个分量1个）。对角线上的分量正方形很重要，这些是我们唯一想看到大点的正方形。点的大小表示相关强度，这看起来是个很好的模型，大点只在对角线上的3x3正方形。
如果外部向量（不属于任何模块）被视为x变量，我们可以研究它们是否与MOCA评分向量中的任何一个相关，本例中的外部向量似乎与第5个评分向量相关。
MOCA模型的得分和载荷图与普通PCA散点图的解释方法相同。MOCA模型散点图中的点位置是所有分模块的平均得分值，大小反映了点在不同分模块中的位置区别。
界面升级 操作更简便
通过向新用户提供SIMCA引导介绍，给现有用户提供更流畅的绘图交互性、快速的原始数据可视化和相关工作流，我们希望为所有用户提供数据分析经验。具体有如下一些改进：
1. 新建项目时的“开始屏幕”，新增新手入门引导指南和更新说明操作视频。
2. 灵活合并不同数据集。
3. 基于上下文的带状结构。
4. 工作集向导与集成的快速信息窗格。
5. Data explorer侧窗格，包含新的和更新的信息窗格。
6. Plot 属性位于基于上下文的侧窗格中。
7. 更新报告生成器。
8. 改进了BCC multiplot等图例处理。
上海阿趣生物科技有限公司（上海百趣生物医学科技有限公司全资子公司-BIOTREE）于2014年7月与Sartorius Stedim Data Analytics AB（原Umetrics公司）达成战略合作伙伴协议，BIOTREE科技成为Sartorius Stedim Data Analytics AB大中华区SIMCA软件销售及培训服务提供商。
我们一年开展约四期多元变量统计分析( Multivariate Data Analysis )培训，该培训由BIOTREE与Sartorius Stedim Data Analytics AB公司共同举办，小班授课，由Sartorius Stedim Data Analytics AB公司资深应用专家对多元变量统计分析进行高阶培训。通过对新的多元变量分析技术解析，您将学习到如何更快速、有效地解释、处理复杂的数据，发现在数据表中的奥秘。同时，也学习如何建立可靠的预测模型，并将数据转化为决策( 挖掘数据背后潜在的生物学意义)。
本课程基于现实中的数据集，主要内容包括理论解析、软件演示和上机实践。我们鼓励您带着您的数据参与课程教授，进行实战演练和具体操作，从而确保快速得到与您的需求相关的分析结果。2019年度暑期培训安排如下：
如需SIMCA软件及多元变量统计分析培训，欢迎垂询免费服务热线400-664-9912，或在文末将您的联系方式留言给我们，我们会尽快和您取得联系。
