feat: add

Author: benson1231

website/workflow/multiomics-diablo/multiomics-diablo.qmd

@@ -24,6 +24,13 @@ I --> J[External validation]
 
 `DIABLO（Data Integration Analysis for Biomarker discovery using Latent variable approaches for Omics studies）` 是 mixOmics 套件提供的一種`監督式多體學整合方法`。其核心基於 `block sparse Partial Least Squares Discriminant Analysis (block sPLS-DA)`，透過建立 `latent components`，同時最大化不同 omics 資料之間的相關性與 phenotype 的分類能力。DIABLO 也會透過稀疏特徵選擇（sparse feature selection），挑選少量但具有代表性的分子特徵，以建立可解釋的多體學 biomarker signature。
 
+::: {.callout-important}
+| 方法       | 解決問題               | 整合什麼        |
+| ---------- | ----------------------- | ----------- |
+| **MINT**   | multi-study integration | 不同研究資料    |
+| **DIABLO** | multi-omics integration | 不同 omics 資料 |
+:::
+
 ::: {.callout-tip collapse="true"}
 ## latent component 是什麼?
 

website/workflow/multiomics-mint/multiomics-mint.qmd

@@ -25,6 +25,15 @@ H --> I[External validation]
 
 MINT 的核心概念是在模型中加入 `study factor`（研究來源），讓模型在建立分類與特徵選擇時，同時考慮不同研究之間的變異，並找出在多個研究中都具有一致判別能力的特徵。在分類分析中，`MINT` 常與 `sPLS-DA` 結合形成 `MINT sPLS-DA`，同時進行監督式分類與特徵選擇，並建立具有跨研究泛化能力的預測模型。
 
+::: {.callout-important}
+## DIABLO vs. MINT
+
+| 方法       | 解決問題               | 整合什麼        |
+| ---------- | ----------------------- | ----------- |
+| **MINT**   | multi-study integration | 不同研究資料    |
+| **DIABLO** | multi-omics integration | 不同 omics 資料 |
+:::
+
 ::: {.callout-tip collapse="true"}
 ## PLS、PLS-DA 與 sPLS 的關係?