深度空间代谢组学Q&A（三）常规分析内容及数据清洗策略

各位看官大家好！新一期空间代谢组Q&A来了！在上一期中，我们介绍了空间代谢组学的数据处理方式。这一期，我们将为大家解析空间代谢组学的常见分析内容和数据清洗策略。

*以下内容均基于SCILS^TM Lab分析软件实现。

主要分析内容有哪些？

1. 空间聚类分析(Segmentation)

空间聚类分析的本质是一张空间聚类分析的热图，通过聚类算法后，对有相似代谢模式的区域使用同一种颜色标注，清晰直观的从分子层面对切片进行区域分型。完成整张切片分析后，还可以针对关注区域，进一步进行多次聚类分析，发现更多独特区域。

深度空间代谢组学空间聚类分析热图

应用案例：

揭示肿瘤内部代谢存在异质性（蓝色与白色区域）

Cancer Research（点击阅读）

2. 代谢物分子成像

针对单个代谢物分子进行分析，获取其在空间分布和表达量的热图。在图片中，颜色越红代表该代谢物表达量越高，颜色越蓝代表该代谢物表达量越低。

深度空间代谢组学代谢物分析成像图

应用案例：

代谢物在不同进展的前列腺肿瘤中空间分布与含量有明显差异

Molecular Cancer Research（点击阅读）

如何进行数据清洗以发现关键代谢物分子？

1. ROC分析

SCILS^TM Lab集成机器学习算法，以目标区域中代谢物的浓度和分布情况进行ROC分析，输出代谢物排名List，通常排名靠前的代谢物对差异的影响较大，可进一步通过分子成像图进行确认。

代谢物ROC分析展示

2. 代谢物分子空间共定位

空间共定位分析是一种代谢物的空间相关性分析，选择一种目标代谢物后，进行空间相关性计算，输出与目标代谢物空间表达趋势一致的代谢物List，可以帮助开展对该区域中代谢物表达模式和代谢网络的分析工作。

代谢物空间共定位分析概念展示

3. 代谢物统计学差异分析及生物信息学分析

本部分分析内容与常规代谢组学一致，主要针对代谢物含量开展单维与多维统计学分析、KEGG通路分析、表达量相关性分析、聚类热图、代谢物分类等分析。在空间代谢组学中，该分析目标是指定区域或者切片，当选择好目标区域后，通过算法整合区域中的代谢物含量后，开展后续分析。

深度空间代谢组学统计学差异分析展示

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。