代谢组学数据标准化

[为什么要做标准化]

基于质谱的代谢组学数据由于各种因素，比如质谱信号漂移，色谱柱污染，等等，会导致采集的数据有很多的系统误差存在，这些系统误差如果不去除掉，会严重影响数据质量，并进而影响从数据中挖掘有效信息的能力。比如下面图就分别显示了批次内（intra-batch）以及批次间（inter-batch）的系统误差，可以看到系统误差还是非常严重和明显的。因此对于质谱代谢组学数据来说，数据的标准化（data normalization）是必不可少的一步。

代谢组学数据标准化的方法

代谢组学数据进行标准化的方法大致可以分为三种。

• 内标标准化：在样品中加入内标，然后对所有的峰都使用该内标进行校正。但是这种方法使用一个或者几个内标对所有的峰进行标准哈，并不可靠，因此用的不多。

• 基于样品本身：比如使用样品中所有峰的平均值、中位值或者总和对所有峰进行校正。另外还有比如PQN等等方法。

• 第三种在代谢组学数据中最为常见的标准化方法是基于QC（质量控制）样本的数据标准化。简单来说，就是将所要采集的所有样本取等量混合起来，组成QC样本，然后在采集数据的时候，每隔一定数量的样品，插入一针QC样本。因为QC样本都是一样的，因此可以用QC样本来模拟数据采集过程中信号的变化。得到数据之后，对每一个峰（peak），都将QC作为训练集，然后建立预测模型，预测信号变化，从而对样品中的信号进行校正。

基于QC和支持向量机的数据标准化R包：MetNormalizer

我再读博期间的第一个项目就是建立一个基于QC样品的数据标准化方法，我们最后选择了一个非常有用并且常用的机器学习方法，SVR（支持向量机回归），最后的方法我们做成了一个R包，MetNormalizer。具体的内容可以参考我的文章，Normalization and Integration of Large-Scale Metabolomics Data Using Support Vector Regression。下面就用MetNormalizer自带的示例数据示范如何使用。

安装MetNormalizer
MetNormalizer的源代码托管在github上，可以直接从github安装。在R控制台中输入下列代码，进行安装。

1 2 3 4

if(!require(devtools)){ install.packages('devtools') } devtools::install_github('jaspershen/MetNormalizer')

准备数据
以MetNormalizer自带数据为例。

1 2 3 4 5 6 7 8

#首先加载MetNormalizer包 library(MetNormalizer) #设置工作路径 setwd('F:/test')#根据自己实际情况设置路径 data(DemoData, package = 'MetNormalizer') #输出数据为csv格式 write.csv(data, 'data.csv', row.names = FALSE) write.csv(sample.info, 'sample.info.csv',  row.names = FALSE)

其中data为MS1 peak table，可以来源于任何的处理软件，如XCMS，MS-DIAL等。注意前三列必须为name(峰的名字)，m/z和RT。然后其他列为样本的intensity。

sample.info为样品信息，用来提供样品的信息。一共三列，第一列sample.name(样品名字)，然后依次是injection.order和class。class用来指明样品的种类，”Subject”说明该样品为生物样品，注意S要大写；QC是指样品为QC样品。

• 开始处理数据
  然后开始运行函数。

1 2 3 4

MetNormalizer(minfrac.qc = 0, minfrac.sample = 0, threads = 3, peakplot = TRUE)

• 处理结果

最后所有的处理结果都存放在svr normalization result文件夹中。