干货|差异代谢物如何定义?有哪些统计学分析方法?

发布网友发布时间：2024-09-29 13:54

共1个回答

热心网友时间：2024-10-03 03:16

在代谢物定量表格分析中，首要任务是寻找组间显著差异的代谢物。这通常通过比较实验组（treat）与对照组（control）来实现。这类差异代谢物对实验处理具有显著响应，是研究的核心数据。那么，如何定义差异代谢物？哪些统计学分析方法适用于这一过程？下面将对差异代谢物定义、阈值标准及统计分析方法进行阐述。

差异代谢物的定义与不同类型的代谢组学项目紧密相关。常规非靶向代谢组学一般要求每组样本数超过6个，临床样本则需超过10个以确保结果的可靠性。寻找生物标志物的临床或探究性实验通常每组需50个样本以上。采用机器学习方法如LASSO、弹性回归、岭回归等进行疾病分型或建立预后模型时，推荐每组样本数超过100个，同时最好送两批样本作为训练集和验证集，以提高模型的有效性。样本数量越多，ROC分析或其他算法如随机森林、支持向量机等的分析效果越佳，寻找的生物标志物或疾病分型越可靠。

非靶向代谢组学中的显著差异代谢物一般定义为FC值（差异倍数）≥2或≤1/2，同时满足p值<0.05和VIP（变量重要性投影）≥1。FC值表示实验组与对照组的平均值之比，FC≥2意味着在实验组中代谢物表达水平显著提高，而FC≤1/2表明显著降低。p值的选择取决于数据的参数或非参数性质，通常假设数据分布类似于正态或钟形分布。联川分析中，同时使用参数测试（如Student’s t-test）和非参数测试（秩和检验）以确保结果的稳健性。

广靶代谢组学中，实验设计通常要求FC值为≥2或≤1/2，VIP≥1，结合单变量分析的p值进一步筛选差异代谢物。无生物学重复情况下，FC值为阈值标准，但样本数量少时，数据分析结果可能受到个体差异的较大影响，一般建议每组样本数不低于6个以提高结果的可重复性。

靶向代谢组学中，FC值≥2或≤1/2以及VIP≥1的代谢物被定义为显著差异。无生物学重复时，以FC值≥2或≤1/2作为显著差异的标准。

三种代谢组学项目的区别在于，靶向代谢组学提供精准定量，包括绝对定量，且在组学分析中重复性较高。通常先通过非靶代谢组或广靶代谢组筛选潜在差异代谢物，然后进行靶向代谢组学验证。送样时，建议使用与原始非靶或广靶样本一致的批次以提高验证效果。

差异阈值的调整需根据实际情况，例如在预验证部分发现的感兴趣物质未达到显著差异标准，此时可适当调整阈值。阈值调整需有湿实验作为依据，否则可能面临审稿人的质疑。在发表纯组学文章时，如未进行湿实验验证，则不建议降低阈值标准。

统计学分析方法包括计算FC值、p值、VIP值等。FC值可通过Excel计算，p值计算涉及两组间、多组间以及富集分析，而VIP值则通过PLS-DA或OPLS-DA分析得出，通常使用R包ropls进行。

综上所述，差异代谢物定义、统计学分析方法及阈值标准在不同类型的代谢组学项目中有所不同。选择合适的统计学方法和调整阈值需基于具体情况，确保分析结果的可靠性和科学性。