东方天意代谢组学归一化与质量控制
将以下提示词粘贴到你的 AI 对话框中:
请访问 https://skillhub.cn/install/skillhub.md 并按照官方安装指南安装 @org-ekt13cme/metabolomics-normalization-qc 技能。
技能介绍
要解决的问题
代谢组学特征表(如 feature_table.csv)在上机分析前常混入技术变异:进样顺序、仪器漂移、批次效应和缺失模式都会改变信号强度。如果直接做统计,组间差异可能被技术波动淹没,QC 的真实漂移也可能被忽视。本技能针对这个问题,在统计分析前提供一条可复现的归一化与质量控制流程。
核心能力与关键步骤
技能先读取 feature_table.csv 和 sample_info.csv,确认样本名、样本类型、实验组、批次和进样顺序,并按以下顺序推进:
- 缺失值评估与特征过滤:分别计算 QC 与生物学样本的缺失率,过滤高缺失特征;默认保留至少一个实验组内缺失率不超过 20% 的特征,阈值需在报告中说明。
- QC-RSC 信号漂移校正:QC 数量足够时,按进样顺序用 LOESS/QC-RSC 预测整体趋势,再除以趋势并乘以 QC 中位数;QC 少于 6 个时跳过该步并写明局限。
- 归一化:按研究设计选择 TIC/总和归一化或 PQN;TIC 适合总信号差异,PQN 对少数大幅变化特征更稳健。
- 缺失值插补:过滤后再按缺失机制选用 KNN 或半最小值插补,避免无差别插补。
- 数据转换和缩放:强度做
log2(x + 1)转换,再按分析目的选择 Pareto 缩放或 z-score 自动缩放。 - 批次效应校正:存在处理批次时,在对数转换数据上使用
sva::ComBat(),设计矩阵保留关注分组。
QC 判定与报告
QC 指标按 RSD 计算标准 评估:sd(x, na.rm = TRUE) / mean(x, na.rm = TRUE) * 100,常见目标为 RSD < 30%,但需按平台和研究预先定义。校正验证会对比校正前后的 QC RSD 分布、PCA、进样顺序趋势和缺失率,确认技术校正没有消除真实分组差异。报告会记录样本数、QC 数、特征数、总体缺失率、QC RSD 中位数和 RSD < 30% 的特征数。
适用边界
没有 QC 或 QC 过少时不能声称完成了 QC-RSC。ComBat 的批次不能与生物学分组完全混杂;若混杂,应报告该限制而非强行校正。所有变换、过滤与插补都要在结果中可复现,使用前也需核对 xcms、statTarget、sva、impute 的实际版本和 API。
使用场景
- 拿到 feature_table.csv 后、开始差异分析前,需要先过滤高缺失特征并校准信号漂移
- QC 样本在进样序列中出现逐步漂移,需要基于 LOESS/QC-RSC 校正并复查 RSD 是否收敛
- 实验存在多个处理批次,需要在 log2 转换后用 sva::ComBat() 分离批次与分组效应
- 需要输出完整 QC 报告,包含样本数、QC 数、特征数、总体缺失率与 QC RSD 中位数
适合人员
- 生信分析师:要赶在统计分析前完成代谢数据的归一化与质量控制并留存可复现记录
- 代谢组学方向研究生:论文方法部分需要完整描述 QC-RSC 校正、过滤阈值与批次校正流程
- 计算平台工程师:要批量处理多次上机的 feature_table.csv 并统一输出 QC 报表
- R 软件研发人员:维护 statTarget/sva/impute 相关流程时需要核对 API 与版本兼容性