一款免费的代谢组学分析软件

MetaboAnalyst 4.0是一款免费的基于网络代谢组学分析平台，操作简单，功能强大，如下图所示，该平台几乎包含了代谢组学研究中所能使用到的所有数据处理和数据分析方法。

MetaboAnalyst 4.0 nowcontains a total of 12 modules organized into four general categories:

Exploratory statisticalanalysis: general statistics, biomarker analysis, two-factor/time-seriesanalysis, and power analysis

Functional enrichmentanalysis: metabolite set enrichment analysis, metabolic pathway analysis, andpathway activity prediction from MS peaks (mummichog)

Data integration &systems biology: biomarker meta-analysis, joint-pathway analysis, and networkexplorer

Data processing &utility functions: compound ID conversion, batch effect correction, lipidomics,and links to several spectra analysis tools

接下来就简单介绍一下该平台的使用方法

首先进入网页：

https://www.metaboanalyst.ca/faces/home.xhtml

点击 click here to start

点击Statistical Analysis进行统计分析

一、上传数据（以液质联用数据为例）

1.首先需要使用仪器自带软件或者第三方软件对液质联用所获得的原始数据进行峰提取、对齐，导出包含样本信息、保留时间、质荷比、信号强度等信息的数据集。

2. 如下图，依次点击peak intensity table，samples in columns (unpaired)，选择文件，submit上传数据。

二、数据预处理

1. Data Integrity Check

对上传数据进行检查，包括分组情况、缺失值等等。如果没有问题，可以点击skip，进入下一步；如果想对缺失值进行处理，可以点击missing value estimation。

2. missing value estimation

第一步先对含有缺失值的样本进行过滤，第二步可以选择一种方法对缺失值进行估计。

3. Data filtering

数据过滤，系统提供了一种根据QC样本中化合物的RSD值进行过滤的方法，以及7种不同是数据过滤方法。选择好相应的方法，点击proceed，进入下一步。

4. Normalizationoverview

在这一步中作者可以选择不同的数据转换、归一化以及scaling的方法，选择好相应的方法，点击nomalize开始数据处理，处理结束后点击view Result可以查看数据处理之后的结果。点击proceed进入下一步。

三、统计分析

这一步中包含了我们在代谢组学分析过程可以用到的一系列统计方法。

如下图所示：有单变量分析、化学计量学分析、聚类分析等。点击相应的分析方法，即可出现分析结果。

接下来看一下常用的几种统计方法生成的结果。（在所有的统计结果中，点击结果图上的化合物，将会出现其在不同组中的相对含量的箱线图，如2. T-test所示）

1. fold change

可以设定阈值，筛选符合的标记物

2. T-test

3. 火山图

4. 相关性分析

5. 主成分分析

6. 偏最小二乘判别分析

7. 聚类分析

8. 热图分析

此外，在操作界面的右侧，还可以查看相应的R语言命令。

四、代谢通路分析

点击click here to start之后，选择PathwayAnalysis。

1. 输入代谢物的名称，或者KEGG、HMDB编号，点击submit。

2. 数据信息汇总，查看代谢物在相应数据库中的编号和对应的代谢通路名称。点击submit。

3. 根据所研究的对象选择相应的数据库。

4. 结果查看

点击左图中的点，右图中出现该点所代表的代谢通路，以及在这条通路上有哪些代谢物在样本中被检测到。

以上所有的结果都可以导出，生成结果报告。

以上只是列举了代谢组学分析中常用的一些分析方法，该平台还提供其他一些分析的策略可供用户选择使用。

扫一扫关注我们，

更多咨询早知道！

公众号邮箱：