代谢组注释定量与多变量分析

更新：2026-10-26；状态：可用；验证范围：2026-10-26官方/原始来源核对；标准库教学演示实际执行；专业验证范围见正文。

先拆开三个问题

一个峰可能是什么分子、它在样本中多少、它能否预测分组，是三个不同问题。学完应能说明特征与化合物的区别、缩放如何改变多变量分析，以及为何训练集分离不够。前置读缺失值与零值、PCA原理与实现和数据泄漏与交叉验证。

从质谱特征到注释层级

常见LC-MS特征由m/z、保留时间与峰面积描述。m/z是质荷比，不是自动的中性分子质量；加合物、同位素、碎片与异构体使一分子多特征、一特征多解释都可能发生。准确质量匹配是候选线索，碎片谱与同条件标准品等证据提供更强确认，报告应保留注释层级和依据。MSI化学分析标准原文用于核对这些鉴定与报告层次；统计显著不提升化学身份确认等级。

峰面积还受响应因子、离子抑制、提取与漂移影响。可写 $I_{fj}=a_f C_{fj}d_j+\epsilon_{fj}$：$I$为特征$f$在样本$j$的信号，$C$是相应量，$a_f$为响应，$d_j$代表样本/运行影响，$\epsilon$为误差。这是示意模型，不是普遍定量校准方程。没有标准曲线和适当控制，不能把峰面积直接当绝对浓度，尤其不能跨不同分子比较面积大小就比较摩尔量。

缩放改变几何关系

两个特征跨三样本分别为1000、2000、3000和1、2、3，样本方差分别1000000与1。直接欧氏距离或未缩放PCA会主要受第一个特征支配。若逐列中心化并除样本SD，$z_{fj}=(I_{fj}-\bar I_f)/s_f$，两列均变成−1、0、1，方差均为1。

单位方差缩放让大小不同的特征可比，却也可能放大低信号噪声；Pareto等其他尺度又有不同权衡。对数变换可减轻乘性尺度差异，但零值、负校正值和检测限缺失需要先明确。不能为了让图分得更开而事后挑变换。

从无监督到监督

PCA寻找数据的方差方向，不使用组标签；PLS-DA/OPLS-DA利用标签构造与分组相关的表示。样本数远小于特征数时，即便标签没有可泛化关系，训练图也可能分得很好。VIP是模型内变量贡献，不是每个分子独立显著或因果的证据。代谢组数据分析报告标准可作为预处理、模型与评价报告入口。

监督评价先按个体/批次等目标场景划分外层数据，再在训练范围估计缺失规则、缩放、特征筛选和调参。置换也要重做依赖标签的选择；只在挑好的特征上打乱最后标签，保留了前面的泄漏。报告独立测试指标、不确定性、单纯基线与运行失败，而不只给训练解释度。

输入输出与排错

输入是保留原始峰、样本ID、QC/空白/内标、注释证据和批次的特征表；输出需同时保留化学身份、定量单位、过滤/缺失规则、差异效应及预测评价。

症状	可能原因	先查
QC随进样顺序漂移	仪器/样本处理变化	QC轨迹、批次与组别分布
总面积归一化后大片下降	少数成分大幅变化	分母、内标与替代归一化
训练完美而测试很差	泄漏或过拟合	外层划分、全流程参数学习范围
一个通路命中很多特征	同一分子多加合/同位素	注释去冗余及证据层级

自测与答案

1. 面积200是100的两倍，必为浓度两倍吗？答：只有响应与测量条件相容时才能这样解释。
2. 单位方差缩放后是否所有特征同样可靠？答：只统一数值尺度，没有统一测量质量。
3. PLS-DA分开即可宣称机制吗？答：先验证泛化，再结合化学确认与独立生物学证据。

在电脑上核对这一小步

先下载项目ZIP并解压，进入同时含README.md和examples的项目根目录。不熟悉终端和当前目录时读R与Python路径文件与项目组织。以下在系统终端执行，需Python 3.10+，只用标准库，无需pip安装；Windows可将python3替换为已安装的python或py。

python3 examples/methods_omics_demo.py --case metabolomics

输入是脚本内置人工数字，不需下载专业数据。成功会打印JSON，并生成examples/output/methods-omics/metabolomics/summary.json；cases.metabolomics下的字段对应本页演算。非空输出目录会拒绝覆盖，第二次练习可在命令后加--output examples/output/methods-omics/metabolomics-practice2。不要为了重跑删除不明来源的数据。

**检查点：**sample_variances=[1000000,1]，标准化后两方差均1；200/100的log2倍数为1。

阅读源码时先找到同名函数，逐一对照输入、运算与输出；要修改数字，先复制整个解压项目并运行副本，再手算新的预期。脚本含若干固定结果断言，修改教学条件时也需重新核对相应断言；断言失败不自动说明专业方法失效。本轮已实际运行全部22个标准库模式，Python 3.14.8；本页范围为缩放和倍数算术；未做真实代谢物注释、PCA/PLS-DA拟合或峰处理。演示没有为真实样本产生专业P值或性能结论。

来源与下一步

本轮查阅日期为2026-10-26；正文原始来源支持对应技术事实，手算与代码是本项目人工教学设计。方法页解释模型，安装及大数据运行交给相应工具/工作流页。教学组织参考GTN的步骤与检查点、Bioinformatics Workbook的问题驱动练习；未复制其教程正文。

保留的相关入口：数据泄漏与交叉验证、分类指标ROC与PR曲线、MSI标准、蛋白质组与代谢组验证设计。

学习顺序、前置与练习清单见方法与算法系统学习指南。

公式里的矩阵、下标或对数不熟时，可回查读懂方法公式的最小数学基础。