S-Plot 标志物图
🎯 这是什么？
S-Plot 是 OPLS 家族（OPLS / OPLS-DA）的"杀手锏"图表，专门用来筛选标志物（Biomarker / Marker）。
它同时回答两个问题：
- 这个变量贡献大不大？
- 这个变量可不可信？
普通的相关性分析只能回答其中一个。S-Plot 把两者画在同一张图上，于是**"既重要又可靠"的变量会自动聚集到两个角落**。
🧐 怎么看？
| 坐标轴 | 含义 |
|---|---|
| 横轴 (p1) | 协方差——变量对模型的贡献大小 |
| 纵轴 (p(corr)) | 相关系数——变量与结果的相关可靠性 |
四个区域的含义：
| 位置 | 含义 |
|---|---|
| 右上角 ⭐ | 贡献大 且 正相关稳定 → 正标志物候选 |
| 左下角 ⭐ | 贡献大 且 负相关稳定 → 负标志物候选 |
| 右侧中部 | 贡献大但相关性不稳定 → 结果可疑，慎用 |
| 靠近原点 | 贡献小 → 可以剔除的变量 |
💡 一句话记忆：越靠角越可信。真正的标志物会"甩"到右上或左下两个角上，形成一个明显的 S 形（这也是 S-Plot 名字的由来）。
🛠️ 怎么用？
1. 快速锁定关键变量
在右上角 / 左下角区域用套索圈选，这些变量就是优先关注的候选标志物。
2. 精简模型
把靠近原点的变量剔除后重新建模，通常能让模型更简洁、泛化更好。
3. 与 VIP 互相印证
| 图表 | 侧重 |
|---|---|
| VIP 图 | 只看"贡献大小"（一维排序） |
| S-Plot | 同时看"贡献 + 可信度"（二维） |
💡 最佳实践：取两者的交集——既在 VIP > 1 的名单里，又落在 S-Plot 的角上，这样的变量才是真正可靠的标志物。
⚠️ 适用模型
S-Plot 仅对以下模型可用：
- OPLS / OPLS-DA（推荐，正交校正后协方差更干净）
- PLS / PLS-DA（可用，但缺少正交噪声剥离，图形可能更发散）
⚠️ PCA 模型没有 Y，无法计算协方差与相关性，不支持 S-Plot。
🎯 典型应用
- 真伪鉴别：从光谱数据中找出区分真品与仿品的特征波长
- 原料分级：定位决定等级的关键理化指标
- 代谢组学：筛选差异代谢物
- 工艺诊断：找出区分"正常批次"与"异常批次"的关键参数
💡 找到候选标志物后，建议用 因果推断 (DML) 进一步验证因果关系， 避免把"伴随变化"误当成"可调节的抓手"。