非靶向代谢组学

上海洎晓生物技术有限公司是一家致力于生物医学基础研究、科研产品研发销售于一体的科研服务公司。公司主要服务对象为科研院所、高校,研发企业、医院等单位。公司可提供服务包含: 分子生物学服务,细胞生物学服务,动物模型构建,空间代谢组学,非靶向代谢组学,靶向代谢组学,蛋白组学,修饰蛋白组学,转录组学,单细胞测序等多组学检测服务。技术团队成员拥有多年的基础科研经验,曾任高校PI,参与多个国家及省市级科研项目;公司总部在上海,业务面向全国,并在多个省份均有驻点人员。公司立足于生物医学研究,致力于科研课题整体服务,包括课题设计,实施,项目申报及落地,助力生物医学研究。

服务电话:021-52212016
非靶向代谢组学
代谢组学检测分析报告
非靶向代谢组学 2023-05-29

一、数据信息及分析内容

  1.背景信息

  代谢组学(Metabonomics)是继基因组学、转录组学和蛋白质组学之后,系统生物学的重要组成部分,也是目前组学领域研究热点之一。英国Nicholson研究组从毒理学角度分析大鼠尿液成分时提出了代谢组学的概念,认为代谢组是通过考察生物体系受扰动或刺激后(如某个特定基因变异或环境变化后),其代谢产物的变化或代谢产物随时间变化来研究生物体系的代谢途径的一种技术。

  代谢差异比较分析将通过多元统计分析和单变量统计分析,筛选差异代谢物后进行相关性分析和通路富集分析。

二、多元统计分析

  多元统计分析将先采用无监督的主成分分析(PCA)来观察各样本之间的总体分布和整个分析过程的稳定性,然后用有监督的偏最小二乘法分析(PLS-DA)及正交偏最小二乘法分析(OPLS-DA)来区分各组间代谢轮廓的总体差异,找到组间的差异代谢物。

  2.1组间PCA分析

  PCA是一种非监督分析,反应数据的原始情况,有利于了解数据的整体情况并从整体上进行把握。对代谢物进行主成分分析,可从总体反映样本组间和组内的变异度,观察样本间的总体分布趋势,判断可能存在的离散点。其中PCA模型主要参数为R2X。PCA得分图的横坐标t[1]和纵坐标t[2]分别表示每个样品在主成分PC1和PC2上投影的得分值。各样本在第一主成分和第二主成分构成的平面上的投影得分值就是空间坐标,能够直观地反映样本间的相似或差异性。如果2个样本之间差异显著,那么这2个坐标点在得分图上的位置相对较远,反之亦然。椭圆区域代表95%的置信区间。。


图1 PCA Score图(pos)
 

图2 PCA Score图(neg)

  2.2组间PLS-DA分析

  偏最小二乘-判别分析PLS-DA是一种有监督的判别统计方法,该方法运用偏最小二乘回归建立代谢物表达量与样本分组之间的关系模型,来实现对样品类别的预测。PLS-DA加入分组变量,可弥补PCA方法的不足,参数R2X (cum)能对模型有效性进行评判。PLS-DA除参数R2X (cum)之外,还包括解释率R2Y (cum)和预测率Q2 (cum),两者越接近1,说明PLS-DA模型能更好地解释和预测两组样本之间的差异,代表模型预测能力越好。




图3 PLS-DA得分图排序验证图(pos)




图4 PLS-DA得分图以排序验证图 (neg)

  2.3 差异物质筛选

  采用多维分析和单维分析相结合的办法,来筛选组间差异代谢产物。PLS-DA分析中,变量权重值(Variable important in projection, VIP)可用来来衡量各代谢物的表达模式对各组样本分类判别的影响强度和解释能力,挖掘具有生物意义的差异代谢物,进一步利用T检验验证组间差异代谢物是否具有显著性。

  筛选的标准为PLS-DA模型第一主成分的VIP值>1,T检验的p-value值<0.05。利用火山图可以对p值和Fold change值进行可视化,有利于筛选差异代谢产物,如下图所示,其中红色原点代表在实验组中显著上调的代谢产物,蓝色原点代表显著下调的代谢产物,灰色点代表不显著的代谢产物。


图5 差异代谢物火山图
 

  2.4差异物质通路富集分析

  通路富集分析采用在线数据库METPA进行,富集结果如表一,差异代谢通路(p<0.05),

表一,差异代谢通路富集分析表

pathway name

Total

Expected

Hits

Raw p

Holm adjust

FDR

Impact

Aminoacyl-tRNA biosynthesis

48

0.6998

5

0.00046228

0.038831

0.030628

0

Arginine biosynthesis

14

0.20411

3

0.00088344

0.073326

0.030628

0.11675

Butanoate metabolism

15

0.21869

3

0.0010939

0.089697

0.030628

0

Glycerophospholipid metabolism

36

0.52485

4

0.0014711

0.11916

0.030894

0.26332

Linoleic acid metabolism

5

0.072896

2

0.0019769

0.15815

0.033212

1

D-Glutamine and D-glutamate metabolism

6

0.087475

2

0.0029391

0.23219

0.041148

0.5

Valine, leucine and isoleucine biosynthesis

8

0.11663

2

0.00539

0.42042

0.06468

0

 


图6,差异代谢通路富集分析气泡图