代谢组学数据分析

关于标记物的筛选
01通过统计图来选择
通常，在多元统计分析（如PCA和PLS-DA）的载荷图（Loading plot）可以帮助我们选出对分类贡献较大的变量。

在图中，我们可以选取距离原点较远的点作为潜在的生物标记物。

此外，如果是两组比较，也可以通过OPLS-DA的S-plot进行标记物筛选。

选择分布在S-plot两端的变量作为标记物，同时可以参考得分图（Score plot）来观察变量在不同组别的相对含量高低（即处于S-plot右上方的变量在得分图中处于y轴右侧的组别中含量较高，反之亦然）。

02通过统计数值来选择
PLS-DA分析之后，通过VIP值的大小来筛选变量，通常选择VIP值
大于某个数值（如VIP＞1或者2等，这个是作者自己定义的）。

由于每一个主成份都会有一个VIP值，也有的文章选取VIP1和VIP2同时大于某个数值的变量来作为标记物，利用Venn图来取二者的交集。

T检验，或者方差分析来选择差异具有统计学意义的变量，p＜0.05或0.01。

利用Fold change大于某一数值（FC＞1或者2等）用来进一步对标记物进行筛选。

也可以利用p值和FC值经过数据转换后绘制火山图（volcano plot），从图中选择化合物。

03文章报道的其他选择生物标记物的方法PLS-DA分析后，选择p(corr)大于0.3的变量。

删除VIP值在负置信区间的变量。

通过相关分析筛选与功能明确的代谢物呈现明显正相关或者负相关的化合物。

通过网络分析，选择与其他化合物联系紧密的标记物。

（如下图中连结较多且颜色较深的结点）
但是，实验如果只是停留在标记物的阶段，恐怕已经不能满足我们的需求，所以需要对所选择的标记物进行进一步的验证（代谢组学活性
筛选（metabolomics activity screen, MAS）用于发现调节表型的小分子代谢物）。

如果要对实验进行深入的研究，则需要我们结合研究本身（如所研究的疾病的发生发展、所评价药物的作用等）对数据进一步的挖掘，对已选择的标记物进行更深层次的筛选，选择出的标记物进行生物化学或分子生物学实验的验证，阐明与之相关的生理病理过程。

迈维代谢提供的服务包括针对各种不同类型的标本制备（包括血液、尿液、组织提取液和脊髓液等，可根据客户的实际要求来设计和优化实验方案）和不同平台的质谱数据采集及解析、统计学及代谢通路分析。

迄今为止，迈维代谢已经为中国市场的客户提供超过30000份的标本分析服务，项目类别涵盖临床研究、疾病机理、动植物研究及中药药理等多个领域。