如何开展代谢组学实验（下篇） | 代谢组专题

近期小编将为大家讲解代谢组学相关知识，包括代谢组学简介，代谢组学分类和应用，代谢组学的实验流程及数据分析，代谢组学的技术手段，代谢组学实验如何来设计，代谢组学样本采集指南，高分代谢组文章解析等，每天只需5分钟，轻松学习代谢组学相关知识~

话不多说，进入今天的专题：如何开展代谢组学实验，先来看看本期专题的第三个个章节——代谢组学的数据分析。

代谢组学研究产生大量的数据需要进行提取、峰对齐、去噪等处理，然后通过模式识别和多维统计分析等方法对数据分析，才能从海量的数据中获得所需要的信息。

代谢组学数据分析一般分为四个步骤：

1）数据提取，是将高灵敏度仪器采集得到的图谱，经过软件处理转变成可计算的数据；

2）根据实验和样本本身性质和数据特点，进行数据的预处理，并对实验得到的代谢物进行物质鉴定；

3）将前面处理好的数据进行多维统计分析或聚类分析，并结合单维统计分析，找出能有效鉴别不同组生物样本的主要差异代谢物变量；

4）经过上述数据处理，找到差异代谢物变量之后，接着推导它们包含的生物学内涵。通过代谢途径网站的搜索，根据差异代谢物变量，确定受影响的代谢通道，从而将实验数据结果和体内的生物学变化结合起来（见图1）。

图1 代谢组学数据分析流程

代谢组数据分析方法主要包括非监督性（unsupervised）和监督性（supervised）方法。最常见的非监督性方法为主成分分析（Principal Component Analysis，PCA），最常见的监督性方法为偏最小二乘法为基础的分析（Partial Least Square，PLS）。

这两种方法常以scores plot和loadings plot的形式输出分析结果，前者表征对比代谢组之间的区别和相似程度（见图2A）；而后者给出导致其区别（或相似性）的有贡献变量及其贡献程度（见图2B）。这些变量可以是核磁谱中的化学位移（即代谢物质）、色谱中的保留时间（代谢物或其色谱特性）、质谱中的质荷比（分子量或其分数）。

PCA在不作任何介入和无任何假设的前提下给出待分析各代谢组的内在区别，而PLS则有一定的假设。在实际分析中，PLS在建模时可能会引入无关自变量信息或者噪音，因而出现了修正算法正交偏最小二乘法（Orthogonal-PLS，OPLS）。OPLS是将正交信号校正法与PLS进行结合并对PLS进行修正的模式识别方法。

图2 PCA（A）和PLS（B）分析结果示例

今天的内容分享完啦，大家记得收藏好慢慢学习哦~

近期热门专题推荐

代谢组专题：

m6A专题：

RAD专题：

BSA专题：