基于特征的分子网络的统计分析结果来自非向的代谢学数据

科学领域:

• 代谢学 代谢学 代谢学
• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.

背景情况:

• 基于特征的分子网络 (FBMN) 被广泛用于分析来自液态染色体-并联质谱学 (LC-MS/MS) 的非目标代谢学数据.
• 对FBMN数据的下游统计分析是一个重要的瓶,特别是对于那些对统计方法新手的研究人员来说.
• 处理和解释由FBMN生成的复杂数据矩阵需要专门的指导.

研究的目的:

• 为FBMN结果的统计分析提供全面指南.
• 为FBMN输出表的数据处理,清理,规范化和统计查询提供实用解决方案.
• 降低新用户在代谢学数据分析中的进入障碍.

主要方法:

• 对FBMN数据的数据结构,清理和规范化原则的详细解释.
• 单变量和多变量统计分析应用于FBMN结果.
• 在R,Python和QIIME2中提供代码,通过Jupyter笔记本共享.

主要成果:

• 提供了一个完整的协议,代码库 (Jupyter Notebooks) 和一个带有图形用户界面的Web应用程序.
• 这些资源促进了FBMN数据的无集成,清理和先进的统计分析.
• 使用先前发布的环境代谢学数据集进行演示.

结论:

• 开发的工具箱使新用户能够有效地分析FBMN数据并发现分子洞察力.
• 该协议可以适应全球自然产品社会分子网络之外的各种基于质谱的代谢学工作流程.
• 提高了对非目标代谢学数据的高级统计分析的可访问性.