基于QC样本的代谢组学数据校正（statTarget）

为什么数据质量控制重要呢？

质量控制是生物分析的基本概念之一，用在保证组学测定的数据的重复性和精确性。由于色谱系统与质谱直接与样品接触， 随着分析样品的增多，色谱柱和质谱会逐步的污染，导致信号的漂移。通过重复使用同一个质控样本来跟踪整个数据采集过程的行为， 已经被大多数的分析化学领域专家推荐和使用。质控样本被用于评估整个质谱数据在采集过程中的信号漂移， 这些漂移进一步能够被精确的算法所识别，校正，提高数据的质量。如图1所示，蓝色质控样本点的特征峰信号强度在整个分析过程中能够具有将近6倍差异（最高点-最低点）， 通过QC-RFSC算法校正后，信号强度差异被降到了1.5倍以内。完全符合FDA对于生物样本分析的质控要求。

statTarget是一种流线型的工具，具有简单易用的界面，提供组学数据的数据校正（QC-RFSC）和广泛的精确地统计分析。

概述

statTarget一个精简的可以提供图形用户界面，基于质QC样本进行信号校正，可以整合不同批次之间的代谢组学和蛋白质组学数据，并进行全面的统计分析。

statTarget是如何工作的

statTarget包括两方面内容

一个是信号校正（见后面的shiftCor函数）。其包括基于QC样本进行信号校正的集成学习方法。比如：基于QC样本的随机森林校正（QC-based random forest correction, QC-RFSC）;基于QC样本的LOESS(locally weighted scatterplot smoothing)信号校正（QC-based LOESS signal correction, QCRLSC）

第二部分内容是统计分析（详见后面介绍的statAnalysis函数）。提供了较为全面的用于分析组学数据的计算和统计方法，并且为生物标志物的发现提供多种结果。另外还提供了一个statTargetGUI功能，可以交互界面进行上述功能的操作。

statTarget包的功能列表

数据前处理（Data preprocessing）:80%的原则，总丰度归一化（sum normalization），概率系数归一化（probabilistic quotient normalization），glog转化（glog transformation），K-近邻算法数据填充[3]、中位数、最小值填充都是针对缺失数据进行填充的方法。

数据描述：比如平均值、中位数、和、四分位数及标准差等

多元统计分析：如PCA, PLSDA, VIP, Random forest, Permutation-based feature selection。

单变量分析：Welch t检验，Shapiro-Wilk normality test（数据正态性检验） and Mann-Whitney test。

生物标记物分析：ROC, Odd ratio（优势比）, P值多重校正，箱线图和火山图。

信号校正

• 文件准备
  Meta file
  该文件包含样品名称，分组信息，批次和进样顺序。
  1.Class:QC样品此处标为NA
  2.Order:进样顺序
  3.Batch:样本的批次信息
  4.Meta文件和Profile文件的样品名称必须一致

• 代码实例

1. ## Examples Code

3. library(statTarget)

5. datpath <- system.file('extdata',package = 'statTarget')

6. samPeno <- paste(datpath,'MTBLS79_sampleList.csv', sep='/')

7. samFile <- paste(datpath,'MTBLS79.csv', sep='/')

8. shiftCor(samPeno,samFile, Frule = 0.8, MLmethod = "QCRFSC", QCspan = 0,imputeM = "KNN")

参考

[1] Luan H., Ji F., Chen Y., Cai Z. (2018) statTarget: A streamlined tool for signal drift correction and interpretations of quantitative mass spectrometry-based omics data. Analytica Chimica Acta. dio: https://doi.org/10.1016/j.aca.2018.08.002

[2] Luan H., Ji F., Chen Y., Cai Z. (2018) Quality control-based signal drift correction and interpretations of metabolomics/proteomics data using random forest regression. bioRxiv 253583; doi: https://doi.org/10.1101/253583

[3] KNN,k-临近算法

[4] statTarget官网

[5] https://www.jianshu.com/p/f2f542032fd2