卵巢癌是一种发病率和致死率极高的女性妇科疾病。 目前卵巢癌的临床诊断主要依靠病理学检测, 超声法以及检测血液中肿瘤标志物CA125, 但是上述几种方法都存在其固有的缺陷。 本研究提出应用拉曼光谱结合偏最小二乘-判别分析（PLS-DA）模型, 实现在分子水平上判别诊断卵巢癌。 拉曼光谱在正常组织与癌组织之间存在反映其癌变过程物质结构变化的微小差异。 因此, 通过结合PLS-DA数据模型分析拉曼光谱信息, 能够将微小差异放大化, 捕获生物分子的显著特征。 在研究中, 模型的变量数目选择其分类错误率最小时的数值, 即隐变量的数目为5, 能够捕获大量的官能团特征性信息, 通过分析隐变量的p值大小可知5个隐变量均可实现对正常组织与癌组织的有效区分, 并且第一个隐变量具有最明显的区分结果。 通过模型运算结果可知, 该模型对卵巢癌判别的准确性达到852%（其中灵敏性为862%, 特异性为854%）。 研究结果表明, 拉曼光谱技术, 通过与PLS-DA模型相结合, 可作为卵巢癌临床诊断中的辅助诊断方法, 从分子水平上实现对卵巢癌的诊断判别。

对一种针叶材和一种阔叶材的横切面采集波长范围为780～2 500 nm的近红外漫反射光谱, 结合偏最小二乘判别分析法(PLS-DA)对针叶材杉木和阔叶材桉树快速识别的可行性进行了研究, 结果表明: (1)利用近红外光谱结合PLS-DA法建立的识别模型对建模样品的识别正确率达到100%, 识别模型预测的分类变量值与实际值之间相关系数r达到0.99, SEC为0.07; (2)即使采用短波区域780～1 100 nm的近红外光谱也可以获得理想的识别结果(识别正确率为100%), 识别模型的r也达到0.99, SEC为0.07; (3)利用近红外光谱建立的识别模型对未知样本的识别正确率都为100%, 说明近红外光谱技术可以快速、 准确识别针叶材和阔叶材, 这为木材识别提供了一种新方法和技术, 也为开发低成本的近红外光谱识别仪器提供了科学依据。