二、生物信息分析流程
2.1分析流程
代谢组学是研究生物体内所有内源性小分子物质（分子量<1000 Da）的系统性科学。它通过定性和定量分析生物体内代谢物组成，揭示生物体在病理生理刺激或基因修饰下的代谢动态变化规律。代谢组学数据分析大概可分为以下几个步骤：首先对检测得到的原始数据进行数据预处理、对处理完的数据进行统计分析，其中包括无监督的主成分分析（PCA）用于观察样本聚类，以及有监督的偏最小二乘判别分析（PLS-DA）、正交偏最小二乘判别分析（OPLS-DA）用于分类模型构建。对差异代谢物的筛选后并进行通路分析与功能富集。
2.2分析内容
三、项目分析结果
3.1主要成分分析
单变量与多变量分析：单变量分析采用 t 检验、Anova 等方法筛选差异代谢物；多变量分析包括无监督的主成分分析（PCA）用于观察样本聚类，以及有监督的偏最小二乘判别分析（PLS-DA）、正交偏最小二乘判别分析（OPLS-DA）用于分类模型构建。差异代谢物筛选：结合 Fold Change（FC）>2 或<0.5、P 值（校正后，如 FDR<0.05、VIP 值（来自 PLS-DA 模型）>1 等标准筛选差异代谢物，并通过火山图、热图等可视化方法展示结果。
PCA 和 OPLS-DA
3.2 差异分析
结合 Fold Change（FC）>2 或<0.5、P 值（校正后，如 FDR）<0.05、VIP 值（来自 PLS-DA
模型）>1 等标准筛选差异代谢物。
3.3 差异分析可视化
通过载荷图、火山图、热图等可视化方法展示结果（火山图、热图同转录组）。
载荷图
注：载荷图展示了每个变量（代谢物或特征）如何影响模型的主成分。载荷（loadings）是变量在主成分方向上的投影，它们有助于了解哪些变量对样本的分类最为重要。用途：通过载荷图，我们可以了解哪些变量在区分不同组别（例如饮食组）时最为关键。载荷值较高的代谢物表明它们对主成分有较大的贡献，因此可能在分类过程中起到了重要作用。如果载荷图中的某些代谢物在主成分上的位置很远，说明它们对样本的分离具有很强的影响。3.4 环状热图的绘制
环状热图
3.5 差异代谢物分类
差异代谢物分类圈图
3.6 通路分析与功能富集
代谢通路富集分析：采用 KEGG 等数据库进行通路富集分析，识别显著的代谢通路。
KEGG 条形通路图
3.7 KEGG 个性化分析
同转录组（弦图和桑葚图）。3.8 Pathway impact 图
代谢通路影响图
注：Pathway Impact 图用于展示特定通路在生物过程中影响的可视化工具。它通过展示通路中各个组分之间的相互作用和影响关系，理解通路在生物学功能和疾病发生中的作用。点的大小和颜色可以表示不同的生物学意义，比如表达水平或统计显著性。横轴通常表示 Pathway Impact 值，这是基于拓扑分析进行的权重计算，即通过将匹配的代谢物的重要性度量相加并除以每个通路中所有代谢物的重要性度量之和来计算得到。值越大表示该通路在生物学过程中的影响越大。
