MetaboAnalyst V6.0
MetaboAnalyst 是一个专为全面的代谢组学数据分析、解释和与其他组学数据整合而设计的基于网络的平台。在过去十年中，MetaboAnalyst 从针对靶向代谢组学数据的统计和功能分析进化为更流畅的非靶向 LC-MS 数据分析。除了众多的功能增强，当前的 MetaboAnalyst (V6.0) 包含了三个新模块——质谱串联处理和化合物注释，化学风险评估应用的剂量反应分析，以及结合代谢组学-全基因组关联分析（mGWAS）和门德尔随机化（MR）的基因组整合。
Statistical Analysis [single factor]
该模块提供了广泛使用的统计和机器学习方法：传统的单变量方法 - fold change、t检验、volcano plot、ANOVA、相关分析；或更先进的方法，专为高维数据的显著性分析和经验贝叶斯分析而设计；多元统计 - PCA、PLS-DA 或 OPLS-DA；聚类 - 树状图（dendrogram）、热图（heatmap）、K-means 和自组织图（SOM）；以及有监督分类 - 随机森林（random forests）和支持向量机（SVM）。
Statistical Analysis [metadata table]
MetaboAnalyst 现在允许用户可视化并计算表型和代谢组学特征之间的关联，同时考虑其他实验因素/协变量。它采用广义线性模型来适应现代流行病学研究，并结合 PCA 和热图进行视觉探索。对于双因素/时间序列数据，用户有更多选项，包括 two-way ANOVA、MEBA 和 ASCA。
Biomarker Analysis
MetaboAnalyst 提供基于接收器操作特征（ROC）曲线的方法，用于识别潜在的生物标志物并评估其性能。它提供了经典的单变量 ROC 曲线分析以及基于 PLS-DA、SVM 或随机森林的更现代的多变量 ROC 曲线分析。此外，用户可以手动选择生物标志物或设置保留样品，进行灵活的评估和验证。
Pathway Analysis
MetaboAnalyst 目前支持代谢通路分析，整合了通路富集分析和通路拓扑分析，并且提供了超过 120 个物种的视觉探索。此外，用户还可以进行联合通路分析，通过上传基因列表与代谢物/峰值列表，用于大约 25 个常见模型生物。
Enrichment Analysis
MetaboAnalyst 执行的代谢物集富集分析（MSEA）包含人类和哺乳动物代谢物集，以及化学类代谢物集。该模块接受化合物名称列表、化合物名称和浓度列表或浓度表。该分析基于 15 个库进行，这些库包含约 13,000 个生物学意义上有意义的代谢物集，主要来自人类研究，包括超过 1500 个化学类别。
Network Analysis
用户可以上传一或两个代谢物、基因或KEGG同源基因（即从宏基因组数据生成）的列表，然后在KEGG全球代谢网络等生物网络的上下文中视觉化探索这些感兴趣的分子，以及基于基因、代谢物和疾病之间已知关联创建的若干网络。
Statistical Meta-analysis
用户可以上传在可比条件下收集的多个注释过的代谢组数据集，以跨多个研究识别稳健的生物标志物（化合物或注释峰）。它目前支持多种基于p值组合、投票计数和直接合并的元分析方法。结果可以在交互式的Upset图中探索。
LC-MS Spectral Processing
用户现在可以上传他们的LC-MS光谱（在质心模式和开放格式，如mzML、mzXML和mzData）并使用基于MetaboAnalystR 4.0的自动优化流程进行峰值提取、峰值对齐和峰值注释。当前的V6.0还支持最新的asari算法。除了LC-MS1光谱，用户还可以包括相关的MS2光谱进行峰值注释。支持DDA或SWATH-DIA。
MS/MS peak annotation
这个新模块基于公共MS2数据库的综合列表执行MS2峰值注释。用户可以直接输入一个包含m/z和强度值的两列峰值列表（DDA）；对于SWATH-DIA MS2光谱，用户可以上传由MetaboAnalystR 4.0、MZmine或MS-DIAL在光谱解卷积步骤之后生成的.msp文件。最多可以向公共服务器上传50个串联MS光谱。
Functional Analysis [MS Peaks to Pathways]
该模块支持对通过高分辨率质谱（HR-MS）如Orbitrap或TOF生成的非靶向代谢组数据进行功能分析。基本假设是，个别化合物水平的近似注释可以准确地指出基于它们非随机的集体行为在途径水平上的功能活动。该模块支持mummichog或GSEA算法。现在支持超过120种基于用户反馈的物种。
Functional Meta-analysis of MS Peaks
借助MetaboAnalyst，用户现在可以对非靶向代谢组数据进行元分析。我们的方法扩展了MS峰值到途径的工作流程，以减少个别研究可能对特定样本处理协议或LC-MS仪器的偏见。当前的工作流程允许用户执行MS峰值的元分析，通过整合来自独立研究的功能配置文件或汇总来自互补仪器的峰值来帮助识别一致的功能签名。
Causal Analysis via mGWAS
基于代谢组的全基因组关联研究（mGWAS）是理解复杂表型中代谢物的遗传调控的关键。通过利用那些SNP标记的代谢物和公共GWAS仓库的摘要统计数据，我们现在可以使用成熟的双样本Mendelian randomization方法测试这些遗传影响的代谢物与感兴趣的疾病结果之间的潜在因果关系。
Dose Response Analysis
对于毒理学研究者，MetaboAnalyst现在提供剂量反应### 网络分析
用户可以上传一或两个代谢物、基因或KEGG同源基因（即从宏基因组数据生成）的列表，然后在KEGG全球代谢网络等生物网络的上下文中视觉化探索这些感兴趣的分子，以及基于基因、代谢物和疾病之间已知关联创建的若干网络。
Power Analysis
用户可以上传来自试点研究或类似研究的数据集，以计算在一定置信度内检测效应所需的最小样本数量，以及估计当前研究设计的功效。
image.png
共有 0 条评论