脂质组学数据分析中另一种常用的方法是正交-偏最小二乘判别分析(Orthogonal Projections to Latent Structures Discriminant Analysis, OPLS-DA)，为PLS-DA的扩展。相比于PLS-DA，该方法可以在不降低模型预测能力的前提下，有效减少模型的复杂性和增强模型的解释能力，从而最大程度查看组间差异。

OPLS-DA使用正交信号校正技术，将X矩阵信息分解成与Y相关和不相关的两类信息，然后过滤掉与分类无关的信息，相关的信息主要集中在第一个预测成分。

与PLS-DA模型相同，OPLS-DA同样可以用R2X、R2Y、Q2和OPLS-DA得分图来评价模型的分类效果。

通常，根据VIP（Variable Importance for the Projection）值来说明变量(特征峰)能解释X数据集和关联Y数据集的重要性。所有VIP值的平方之和与模型中的变量总数相等^[2]。