代谢组学数据分析

麦特绘谱依托的核心科研团队自2003年起便开始进行代谢组学的检测方法和数据分析方法的开发,并且目前依然在不断开发新的分析方法。公司的数据分析充分传承了科研团队积累多年的经验和方法,已实现一系列的自动化分析流程,内容包括代谢物鉴定,以及对鉴定后的浓度表/丰度表进行统计分析等。

对于代谢组学的常规分析,我们开发了IP4MTM自动化处理软件,可自动对组学数据进行归一化处理、多维PCA, PLS-DA, OPLS-DA分析,单维T/U检验、ANOVA、Kruskal-Wallis检验,Boxplot和Heatmap绘制,通路富集分析,SVM,RF,Logistics regression和ROC分析等。

除此之外,我们也专门开发了其他分析流程,包括①代谢物-菌群相关性/偏相关性分析;②代谢物-临床指标/结局/环境因子的相关性/偏相关性分析;③回归分析建模;④时间序列的分析及可视化等。

另外,我们的技术团队还协助客户完成了各种定制化的个性分析和绘图,包括森林图(Forest plot)、桑基图(Sankey diagram)、嵌套网络图(nested Network)、诺莫图(Nomogram)、气泡图(bubble plot)等。需要了解详情的欢迎垂询。

代谢组学GC-MS全谱分析全自动代谢物鉴定和统计分析软件
(XploreMET 2.0)

XploreMET是一个高端的综合性网络服务平台,服务于代谢组学GC-MS全谱分析的全自动代谢物鉴定。后台拥有超过1500个代谢物的标准品数据库,引入保留指数,支持精准代谢物鉴定。该软件可提供专业的统计分析和可视化工具,从简单的单维统计到建立复杂的多变量模型,实现全自动化数据分析。同时,我们也提供代谢通路分析以更好的服务于全谱代谢网络研究。

代谢组学统计分析软件
Metabolomics Profiling Statistical Analysis (MOPSA, V1.0)

提供四种组学数据多维统计分析方法和三种模型性能评价方法。所有关键参数可调,所有结果可图形化或数值化导出。英文界面。供选择的四种分析方法:Partial least squares analysis (PLS),Support vector machines (SVM), Linear discriminant analysis (LDA)和Random forest (RF)。主要的模型性能评价方法:各种Permutation,k-fold/hold-out cross validation和ROC曲线。

组学数据批量校正软件
Metabolomics data calibration software (MDCT, V1.0)

对于各种高通量检测仪器和/或各种生物样本所提供的多批次代谢组学数据进行科学的校正是多源数据整合的基础,是扩大样本量和代谢物视窗的有效方式。本软件提供了内标法、外标法、内外联合法、各种尺度变换法、回归拟合法、窗口法等多种校正方法,可根据数据情况或用户需求进行全自动或定制化的多层次分段校正。校正后的数据集可直接拼合使用。

化合物批量定量软件
Standard curve and Qualification Tool for batch Component (SQT, V0.3 and V1.0)

本软件可针对多个化合物自动构建标准曲线并对其在样本中的浓度进行定量,有助于减轻工作负担,提高工作效率。根据各个物质浓度范围的大小,有线性和广义线性两种标准曲线供选择。可根据R2自动选择若干“最佳”浓度点的组合来建立标准曲线(V0.3不提供该功能)。用户可通过标准曲线图对自动化的结果进行调整(V0.3不提供该功能)。所有定量结果、标准曲线图以及基本参数均可导出。输入输出均为excel表,使用方便且不受数据来源和预处理方法的限制。

组学数据干扰因素剔除工具
Confounding Factor Elimination Tool for x-Omics Data (CFET, V1.0)

该软件提供了D-OSC、PC-OSC和ICA三种去除组学数据集中影响因素(如年龄、性别、检测批次等)的方法。各种干扰因素可单独或全部去除。去除的程度可控(逐步或一次性,强势或柔缓)。提供全自动和定制两种去除方式。此外,提供一系列性能评估方法,可对处理前后数据集的纯度和畸变程度进行全面评估,便于方法的选择和参数的确定。

我们已发表的代表文章

1) Yan Ni, Mingming Su et al. Improved Peak Detection and Deconvolution of Co-eluting Metabolites from GC/TOF-MS Data for Metabolomics Studies. Anal Chem, 2016, 88(17): 8802-11. (IF=5.9)

2) Yinan Zhang, Huijuan Lu, et al. Analysis of Reproducibility and Variability from a Frozen Sample Aliquotter by Metabolomics Analysis. Biopreserv Biobank, 2015, 13(1): 20-24. (IF=1.8)

3) Tianlu Chen, Yu Cao, et al. Random Forest in Clinical Metabolomics for Phenotypic Discrimination and Biomarker Selection. Evid-Based Compl Alt, 2013, 2013(11): 57-65. (IF=1.9, Citations: 12)

4) Yan Ni, Yunping Qiu, et al. ADAP-GC 2.0: Deconvolution of Coeluting Metabolites fromGC/TOF-MS Data for Metabolomics Studies. Anal Chem, 2012, 84(15): 6619−29. (IF=5.9, Citations: 17)

5)Wenxin Jiang, Yunping Qiu, et al. An Automated Data Analysis Pipeline for GC-TOF-MS Metabonomics Studies. J Proteome Res, 2010, 9(30): 5974-81. (IF=4.2, Citations: 30)