MetaboAnalyst的多组学分析

MetaboAnalyst是做代谢的R包，功能十分强大。也开发了web版本，代谢组学的分析这里不介绍，主要讲讲它开发的多组学分析的相关内容。

既然是做代谢的工具，即使是增加了多组学内容，肯定也是以代谢为核心。以代谢组为中心的多组学分析想想无非就是以下几点：多元变量统计分析、网络分析、pathway分析以及mGWAS或宏组学等，这个工具就有网络分析和pathway分析。下面我们一起来试试。

网络分析

我们先看看网络分析。我这里使用软件提供的demo数据，点击进去后，会有两种ID类型供选择。第一种是代谢物和基因，示例数据来自转录组和代谢组的关联分析；第二种是代谢物和KO的关联，示例数据来自mGWAS。

我们先用第一种试下。导入后，数据格式应该是这样：

提交后，数据list会和数据库中的ID进行匹配，如代谢物会和HMDB和KEGG中匹配（这就需要我们输入时提供这两种标准的代谢物ID）。

输入的基因ID可以是Symbol，ENTREZID和EnsembleID，同样地和KEGG数据库中K编号进行匹配。

输入的数据如果在数据库中信息缺失，会以灰色阴影显示；如果数据库中没有匹配，则以红色阴影显示。

再试下第二种，默认基因组是K编号，代谢组是HMDB号。

同样输入ID也要匹配到数据库中。因此两种输入方法殊途同归。

提交后，会有五种网络分析供选择。

1.KEGG Global Metabolic Network

这是啥子意思呢？其实就是映射到了ko01100（Metabolic pathway）这条基础通路中。

映射的图比较乱，因为这个通路太大了：

最上边调整图形，左上角列表是子通路及其对应的信息，左下角是选中的子通路的化合物，右边我圈出的是化合物映射在pathway中的位置。
这个图我觉得没什么太大用，看个人需求吧。

2. Metabolite-Disease Interaction Network

这个网络是研究代谢物和人类疾病的关联，关联数据是从HMDB获得的。

可以在这里下载相应的相互作用文件（.SIF），导入到Cytoscape中调节。我下载看了下，SIF文件格式是这样的：

没搞清楚pp指的是什么。继续点“Proceed”，查看下软件给我们做出的网络图。

我圈出了几块内容。界面和上面类似。化合物列表关系增加了点度中心性（degree）和中介中心性（betweenness）。从图我们可以看出，这种网络就是阐释化合物和疾病之间关系的。右边增加了一些功能探索按键，可分为上下调。

3. Gene-Metabolite Interaction Network

基因和代谢物互作网络，这是基于STITCH数据库的（专门做小分子互作网络的数据库，主要来自Pubmed）。结果和第二种网络一样，不再解释了。也有SIF文件可供下载。

4. Metabolite-Metabolite Interaction Network

代谢物和代谢物互作网络，也是基于STITCH数据库。略

5. Metabolite-Gene-Disease Interaction Network

代谢物和基因和疾病的互作网络，就是将上面的网络结合起来了。

总结：MetaboAnalyst的网络分析主要是基于已有数据库中的信息，包括和疾病以及小分子互作。没有相关性（spearman）网络分析，从输入的文件没有样本信息就可看出。不过这种网络分析比相关性网络更有生物学含义。

Pathway关联分析

下面我们看看Pathway的关联。还是使用软件提供的示例数据。可以提供多种基因ID输入，化合物仍只支持KEGG和HMDB。

检查输入ID。

参数设置如下：

• 富集分析的方法，超几何检验和fisher精确检验都可；
• 拓扑分析也有三种选项（点度中心性degree、接近中心性closeness和中介中心性betweenness），代谢组的富集分析要用到拓扑分析，拓扑分析旨在根据给定基因或代谢物在途径中的位置来评估其是否在生物学反应中起重要作用；
• Pathway数据库既然是关联，我们肯定选择全部（all）；
• 整合的方法有两种：combine queries将基因和代谢物合并到一个查询列表中，以针对组合的pathway集进行富集分析（即经典富集分析）。combine p values的方法首先分别对基因和代谢物进行富集分析，然后使用Stouffer方法对各个p值进行加权合并。权重基于映射到该组学数据类型中所有路径的特征的百分比（即基于路径空间覆盖率的权重），这种方法仅适用于基因和代谢物均命中的那些pathway。所以我们最好用第一种。
  综上，我们都用默认的参数就好了。提交后，得到如下结果：

上面是图，下面是表。
首先看第一个图。典型的KEGG pathway富集气泡图。纵轴好理解，P<0.01是阈值，横轴的Pathway Impact是什么意思呢？这里代谢组的富集分析基于拓扑分析（参考MetPA），我特意查了下，Wiki中的解释是这样的https://en.wikipedia.org/wiki/Metabolomic_Pathway_Analysis：MetPA employs a number of topological assessment tools to measure centrality or “hubness” in an objective manner (called Pathway Impact). Pathway impact is a combination of the centrality and pathway enrichment results. It is calculated adding up the importance measures of each of the matched metabolites and then dividing by the sum of the importance measures of all metabolites in each pathway. 可知这里富集是按权重来分析的，虽然没有富集因子那么简单粗暴，但含义是大致一样的，值越大越好。所以这个图看来，处于右上角的pathway是最可信的。

点击图中的点或列表中的名称是可以点击进入相应的pathway，右图。不过右图显示的不是完整的pathway，而是一部分（看了几个通路，也不知具体为什么这么显示），点击图上pathway或表中KEGG，能链接到KEGG官网中。

左边是每一步过程，标色表明运行完成。中间是结果，可供下载，但生成报告貌似生成不了，可能有bug吧。右边是过程代码，有R基础的童鞋可试试。

总结：pathway的联合分析以代谢为主，富集分析方法和传统方法不同。分析还是有限的，比如表达丰度信息没有包含进去。简单使用，供参考吧。