本文介绍了非靶向代谢组学数据分析的第一步，包括缺失数据处理和标准化。针对缺失值，文章提出了使用大多数样品的均值填充的方法。此外，讨论了数据标准化的概念，包括减均值除标准差的标准化和数据中心化。最后，提到了对数和指数变换等数据转化方法，为后续的多元统计分析做准备。
点击上方「微生信生物」关注我们！专业干货推送！
引子
今天开始我们一起来学习非靶向代谢组学(GC-TOF-MS)的数据处理过程。我是从注释到化学式带有相对丰度的表格开始处理。相信这也是目前大家最为迫切的过程。前面的峰提取，等操作，后面我们会结合MetaboAnalyst给大家补充，但是不会首先做这部分工作。
《非靶向代谢组学》系列推送有事要说
本完整的教程涉及R，MetaboAnalyst(网站工具，也是R包)基本完整的教程也可以仅仅需要R即可；
本推送中所需的代谢组数据、R语言分析等中间流程，均可以在百度网盘下载。链接：https://pan.baidu.com/s/1uwMaOz1vezcpWT8_XSowRg 密码：lh4x
第一篇. 缺失数据处理、归一化、标准化
本节课程，需要完成《非靶向代谢组学》系列之前的阅读
1. 非靶向代谢组学数据分析连载(第零篇引子)
缺失值在我们使用excel打开数据框中的表现就是空的格子，在R语言中缺失值通常以NA表示，判断是否缺失值的函数是is.na；
GC-MS测得数据进过峰对齐，相同峰即为认定相同的物质，但是有时候会有少量样品的峰值对齐的并不好，这个时候我们要注意，如果一个处理的样品大多数的峰都在一个位置
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
