代谢组学小常识概念：代谢组：指一个细胞、组织或器官中所有代谢物的集合, 包含一系列不同类型的小分子（通常分子量<1000）, 比如肽、碳水化合物、脂类、核酸等。代谢组学：通过考察生物体系（细胞、组织或生物体）受刺激或扰动后，其代谢产物的变化或其随时间的变化，来研究生物体系的一门科学。实验流程：（以液质联用为基础的代谢组学为例）样本前处理：在保证小分子代谢物完整的前提下，处理的步骤越简单越好，以保证操作容易重复，也为大批量样本的处理节约时间。数据采集：依据实验目的有所不同。o非目标代谢组学：选用高分辨质谱仪（TOF，Orbitrap 等），有助于检测到尽可能多的化合物，另外高分辨的质核比数据也有助于数据库检索以及化合物的鉴定。o目标代谢组学：通常使用三重四极其杆质谱，提高检测的灵敏度以及定量的准确性。数据预处理：峰提取，排列，归一化。o多数质谱商家都提供了配套的预处理软件，例如安捷伦公司的 MassHunter，热电的Sieve，沃特世的 MarkerLynx 以及 Progenisis QI。o同时也有一些基于网络的可以免费获取的软件。建议使用配套的软件，因为不需要额外的数据转换，不需要上传数据，节省时间。数据分析：多元统计分析包括主成份分析（PCA）,偏最小二乘判别分析（PLS-DA），正交偏最小二乘判别分析（OPLS-DA），聚类分析（HCA）等。各个厂商也提供了相应的统计分析软件，比如安捷伦的 MPP，热电的 Sieve，沃特世的 Ezinfor。目前常用的第三方软件是 Simca-p，同时也有一些网络的开源软件可以使用。化合物鉴定：数据库检索，标准品对比，二级质谱对比。代谢组学文章中常见的统计图（一）主成分分析（PCA）PCA 得分图（score plot），用来看样本天然的分组情况，在分析时不加任何分组信息。图中每一个点代表一个样本，样本在空间中所处的位置由其中所含有的代谢物的差异决定。PCA 载荷图（loading plot），用来寻找差异变量。同种的每一个点代表样本中还有的一个代谢物物，距离原点越远的代谢物被认为对样本的分类贡献越大。偏最小二乘判别分析（PLS-DA）得分图和载荷图的解释同 PCA。区别在于，PLS-DA 在分析时提前赋予每个样本分组信息，简单说，就是在分析时扩大组间差异，减少组内差异，多用来寻找标记物。正交偏最小二乘判别分析（OPLS-DA）在 OPLS-DA 分析中，寻找标记物通常使用 S-plot。如图中所示，得分图中，两组样本分布在 y 轴两侧，通过 S-plot 可以获得标记物...
