代谢组学实验、质控与分析

目录

1.实验及质控

（1）项目流程

代谢组学分析的特点：

  • 流程长；
  • 样品量大，项目周期长；
  • 个体差异大；
  • 设备不稳定性；
  • 样品复杂，基质效应显著。
    所以，质量控制是代谢组学研究基础。

项目流程
样本制备——质谱仪分析——数据预处理——定量及统计分析——定性分析——生信及后续分析

（2）非靶代谢质控

质谱仪信号波动使非靶代谢信号随时间漂移。
原因：

  • 电喷雾喷针老化
  • 仪器设备入口毛细管污染
  • 前级离子导引部件污染
  • 检测器老化
  • 质量分析器污染

信号随时间漂移或中途设备维护会严重影响多元统计分析效果，如PCA中样品分布不均匀，存在异常值。从而引起后续分析，如筛选生物标志物失败。

对非靶代谢信号时间漂移的重新校准，改善数据分析效果：

  • 添加QC样本（前后+每隔10样）。
  • 使用MetNormalizer校准（基于支持向量回归算法）。

（3）靶向代谢质控

不同出峰时间，对应不同的基质效应。
基质效应可能使绝对定量不准确。
无同位素内标：分析物与内标物基质效应不同；
有同位素内标：保留时间及表面活性的微小差别，仍会使分析物与内标物响应不同。

定量准确性质控：
加标回收实验：理论添加值约等于实测增加值（80-120%）。
设备灵敏度质控：
样品平均混合质控：设备灵敏度在合理范围内，未检出确实来源于内源性分析物浓度的下降。

（4）代谢组全流程质控

样本制备：

  • 样本收样及存储标准化管理
  • 高效有序的样品预处理流程

质谱仪分析：

  • 非靶信号漂移QC实验方案
  • 靶向双QC实验方案

数据预处理：

  • 高效的数据校准方法
  • Hotelling's T2筛出潜在异常点，分情况小心移除

定量及统计分析：

  • 多元统计及单变量分析结合筛选生物标志物
  • 加标回收实验确保定量结果准确

2.数据分析挖掘

（1）代谢组分类回顾

非靶：进行大规模、系统性研究，用于前期数据挖掘与筛选。

  • 非靶组：通常所说的非靶代谢组学，指氨基酸类、核苷酸类、能量代谢、维生素类、神经递质类等及其衍生物。
  • 脂质组：甘油脂类、磷酯类、鞘脂类、脂肪酸类、固醇类等。

靶向：验证非靶向分析的结果，对目标代谢物进行选择性、特异性定量与绝对定量。

非靶和靶向的样本制备、色谱体系、代谢物鉴定模式均不同。

（2）数据预处理

①数据完整性检查

  • 保留通道值大于一半的数据
  • 缺失值填充（10%以上填充）
    -- 删除包含缺失值的变量
    -- 对缺失值进行估计：KNN/PPCA/BPCA/SVD Impute
    -- 固定值填充：最小值的一半
    -- 按列填充：均值/中位数/最小值
  • 过滤QC RSD>30%

②数据标准化

  • 标准化（后面待续....）
  • 归一化

（3）定量层面挖掘

①统计分析

  • 单变量
  • 多变量

②聚类分析
③共表达网络

（4）功能层面挖掘

通路分析

posted @ 2020-12-30 11:54  生物信息与育种  阅读(2113)  评论(0)  编辑  收藏  举报