Normalization overview（代谢组学数据）

• The normalization procedures are grouped into three categories.
• The sample normalization allows general-purpose adjustment for differences among sample.
• Data transformation and scaling are two different approaches to make individual features more comparable. Use one or combine them to achieve better results.

Sample normalization

在样本间做数据标准化非常重要，一般标准化后的数据可以得到正态分布的数据集。代谢组学数据标准化方法大致三种。内标标准化（样品中加入内标）。基于样品本身（均值，中位值，总和等 校正）。QC标准化。

• 内标标准化：内标标准化是在代谢物提取前或提取后，在样品中加入一个或多个内标物，然后用样品中的所有代谢物对应的峰面积 (Area i )除以该样品中对应的内标物峰面积(Area 内)，得到一个相对含量值。由于加入到每个样品中的内标物含量相等，所以在一定程度上能够将代谢物含量校准到加入内标时刻的状态。在提取前加入内标，则可以通过内标来减小提取过程中所造成的样品损失等影响。但是内标在校准由仪器产生的影响方面略显不足，在减小来自仪器平台的影响的时候，仍需要联合其他的方式一起运用。
• Normalization by sum：MetaboAnalysis 推荐方式。某些feature的数值是否占比太大，noramlization by sum基本原理是把绝对值浓度转换成样本中占比来计算。但feature有一个H1浓度明显整体偏大，由此使其他样本但占比更小，太小但数据件差别就被模糊了，效果不好。总和标准化说明的是每个代谢物占样品中总代谢物含量的比例。具体方法是将每个样品中所有代谢物的峰面积相加，得到一个样品代谢物含量的总和（Area总）。然后用每个代谢物含量（Area）除以这个总和，由于得到的数值会非常小，可以在此基础上，再乘以一个常数1000，这也叫做常数标准化。这样一来，所有样品中的代谢物含量被标准化到了同一个值。需要注意的是：这个方法的前提是总的代谢物浓度在样品之间没有差异。
• Normalization by median
• Quantile normalization：四分数标准化方法

Data transformation

• log transformation

Data scaling

把数据压缩到一个范围内。

• Auto scaling：MetaboAnalysis4.0推荐，mean-centered and divided by the standard deviation of each variable。
• Range scaling
• Pareto scaling