不同於主成分分析（PCA）法，Partial Least Squares Discrimination Analysis（PLS-DA）或Orthogonal PLS-DA（OPLS-DA）是一種有監督的判別分析統計方法。該方法運用PLS-DA建立代謝物表達量與樣品類別之間的關係模型，來實現對樣品類別的預測。分別建立兩兩分組比較的PLS-DA模型（圖1）或OPLS-DA模型（圖2），模型得到的引數評價會以表格形式提供。其中R^2X和R^2Y分別表示所建模型對X和Y矩陣的解釋率，Q2標示模型的預測能力，理論上R^2、Q^2數值越接近1說明模型越好，越低說明模型的擬合準確性越差，通常情況下，R^2、Q^2高於0.5（50%）較好，高於0.4即可接受，且兩者差值不應過大。臨床樣本由於個體差異大，不可控，尤其大樣本時，R^2、Q^2大小為0.2左右亦可。圖3則是對PLS-DA模型（c）的檢驗，直線的斜率大，Q^2的截距為X，說明PLS-DA模型沒有過擬合。同時透過計算變數投影重要度（Variable Importance for the Projection, VIP）來衡量各代謝物的表達模式對各組樣本分類判別的影響強度和解釋能力，從而輔助標誌代謝物的篩選（通常以VIP值>1.0作為篩選標準）（圖4）。
