目錄非靶向代謝組實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)分析流程1.數(shù)據(jù)預(yù)處理2.數(shù)據(jù)質(zhì)控3.統(tǒng)計(jì)分析

非靶向代謝組實(shí)驗(yàn)設(shè)計(jì)

1.代謝物提取，一般要求每組至少10個(gè)樣；
2.在所有提取好的樣本中取等量混合作為QC；
3.QC樣本與實(shí)驗(yàn)樣本穿插上機(jī)，開(kāi)始十個(gè)QC，結(jié)尾三個(gè)QC，中間每十個(gè)樣本穿插一個(gè)QC樣本
。

得到質(zhì)譜譜圖數(shù)據(jù)經(jīng)軟件處理后得到峰表。
峰表格式一般為：每行為一個(gè)m/z，每列為一個(gè)樣本
數(shù)值表示該樣本中某個(gè)m/z的信號(hào)響應(yīng)。

第一列為保留時(shí)間_質(zhì)荷比來(lái)代表離子，如0.10_96.9574m/z。

數(shù)據(jù)分析流程

一般有如下幾點(diǎn)：
1.數(shù)據(jù)預(yù)處理。如缺失值過(guò)濾填充、數(shù)據(jù)歸一化等。
2.數(shù)據(jù)質(zhì)控。包括CV分布、QC等。
3.統(tǒng)計(jì)分析。包括單變量、多變量等。
4.功能分析。包括Pathway、網(wǎng)絡(luò)分析、Biomarker篩選等。

1.數(shù)據(jù)預(yù)處理

缺失值處理
1）缺失原因
a. 信號(hào)很低檢測(cè)不到；
b. 檢測(cè)錯(cuò)誤，如離子抑制或者儀器性能不穩(wěn)定；
c. 提峰的算法限制，不能從背景中將低的信號(hào)提取出來(lái)；
d. 解卷積時(shí)不能將重疊的峰全部解析出來(lái)。

2）缺失值過(guò)濾
比如：
QC樣本中缺失超過(guò)50%的去除；
樣本中缺失值超過(guò)80%的去除。

3）缺失值填充
-- 最小值填充
-- 平均值/中值填充
-- KNN（k-nearest neighbour）填充
-- BPCA（Bayesian PCA）填充
-- PPCA（probabilistic PCA）填充
-- Singular Value Decomposition (SVD)
一般推薦KNN。

噪音信號(hào)去除
一般是低質(zhì)量的離子。
1）低質(zhì)量離子的確定：
計(jì)算某個(gè)離子在QC樣本中的RSD（標(biāo)準(zhǔn)差/均值）；其值越小，說(shuō)明偏差越小；

2）判斷標(biāo)準(zhǔn)：
-- 對(duì)單個(gè)離子峰而言，RSD<0.3，則該離子峰合格，否則去除；
-- 對(duì)于整體數(shù)據(jù)而言，RSD<0.3，峰所占比例>60%，則整體數(shù)據(jù)合格；

樣本歸一化
目的是為了提高樣本間的可比性。
樣本間有差異性，如不同人的尿液濃度不同，不能直接拿來(lái)比較。

可在采集前歸一化，如肌酸酐歸一化；也可在采集后歸一化，如sum，pqn，quantile等。對(duì)于數(shù)據(jù)分析而言，通常是后者，如總和歸一化（sum）。

數(shù)據(jù)轉(zhuǎn)換
下游的分析一般要求數(shù)據(jù)為正態(tài)分布或者高斯分布；
所以數(shù)據(jù)通常要進(jìn)行Log轉(zhuǎn)化或power轉(zhuǎn)化，這兩者都能夠?qū)O大值的抑制效應(yīng)消除，并且能夠調(diào)整數(shù)據(jù)的分布，如下圖；

Log轉(zhuǎn)化對(duì)0值比較敏感，必須首先去除零值。

數(shù)據(jù)轉(zhuǎn)換——scaling
目的是消除極大值效應(yīng)。
對(duì)不同樣本中同一個(gè)m/z的強(qiáng)度差異過(guò)大進(jìn)行調(diào)整，極大值的存在往往會(huì)掩蓋較低值的變化特征。

可將某個(gè)m/z在所有樣本中的強(qiáng)度的值，除以一個(gè)因子（SD值）；
方法如auto (uv)，pareto（推薦），vast， range等。

相當(dāng)于上面樣本歸一化是為了樣本可比，scaling是為了離子可比。

2.數(shù)據(jù)質(zhì)控

QC樣本的TIC重疊情況

上圖分別是陰離子和陽(yáng)離子模式下QC樣本的TIC重疊情況。

一般認(rèn)為：
所有的QC樣本峰重疊良好；
峰強(qiáng)度波動(dòng)差別不大；

QC樣本中CV<30%的峰所占比例

PCA中QC樣本的聚集程度

QC樣本的相關(guān)性

上圖分別為歸一化前和歸一化后的數(shù)據(jù)。

3.統(tǒng)計(jì)分析

單變量分析
一次只分析一個(gè)變量，即一個(gè)m/z，考察不同組別不同樣本的這個(gè)m/z表達(dá)有無(wú)差異？
常見(jiàn)的方法有倍數(shù)分析，t檢驗(yàn)，秩和檢驗(yàn)，方差分析等。

聚類分析
核心思想就是根據(jù)具體的指標(biāo)(變量)對(duì)所研究的樣品進(jìn)行分類；
聚類分析需要設(shè)定一個(gè)方法來(lái)衡量樣本間的相似性或者不相似性（常用歐式距離，相關(guān)性系數(shù)等）；
常見(jiàn)聚類的方法：系統(tǒng)聚類（層次聚類）、K-均值聚類等。

K-均值首先要估計(jì)出將要分出幾個(gè)類，然后將全部的基因按照相似性的距離，歸入這幾類中。
K– means計(jì)算量要小得多，效率比層次聚類要高。

無(wú)論哪種分類方法，最終要分成多少類，并不是完全由方法本身來(lái)決定，研究者應(yīng)結(jié)合具體問(wèn)題而定。
聚類分析是一種探索性的數(shù)據(jù)分析方法。相同的數(shù)據(jù)采用不同的分類方法，也會(huì)的得到不同的分類結(jié)果。分類的結(jié)果沒(méi)有對(duì)錯(cuò)之分，只是分類標(biāo)準(zhǔn)不同。
使用聚類方法時(shí)，首先要明確分類的目的，再考慮選擇哪些變量(或數(shù)據(jù))參與分類，最后才需要考慮方法的選擇。

多變量分析
1）PCA分析
以下分別是得分圖（樣本在新的坐標(biāo)系中的位置
）和載荷圖(loading圖，原變量與主成分間的夾角)

PCA怎么看？

組內(nèi)差異
組間差異
異常樣本
PC1與PC2得分

2）偏最小二乘法
PLSDA的圖和PCA類似。只是一種監(jiān)督學(xué)習(xí)的方法，事先給樣本分類，最后看能否將不同組分開(kāi)。

用R2和Q2進(jìn)行模型評(píng)價(jià)。
R2是相關(guān)性系數(shù)，表示這個(gè)模型的擬合效果，是一個(gè)定量的測(cè)量（范圍0-1），意味著所建立的模型能在多大程度上代表真實(shí)的數(shù)據(jù)；
一般當(dāng)R2在0.7-0.8表示模型解釋能力較好，較差的模型的R2往往為0.2-0.3

Q2表示PLS-DA模型的預(yù)測(cè)能力；
一般Q2大于0.5表示預(yù)測(cè)能力較好，并且R2與Q2的值應(yīng)該比較接近。

使用permutation test模型進(jìn)行過(guò)擬合檢驗(yàn)。

VIP ( Variable Importance in Projection)變量重要性投影
每一個(gè)m/z都有VIP值，表示這個(gè)m/z在某一個(gè)主成分上的投影，即重要程度；
一般我們使用第一、第二主成分的VIP來(lái)表示這個(gè)m/z對(duì)模型分型的貢獻(xiàn)程度，VIP>=1被認(rèn)為是具有顯著貢獻(xiàn)的。

代謝組學(xué)數(shù)據(jù)分析最后兩部分內(nèi)容——功能分析和生物標(biāo)志物篩選見(jiàn)下節(jié)內(nèi)容

總結(jié)

以上是生活随笔為你收集整理的【代谢组学】3.数据分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。