用相異性指數、主對應分析和秩檢驗建立人體汗液代謝組氣相色譜/質譜峰列表
Xu Y, Gong F, Dixon SJ, Brereton RG, Soini HA, Novotny MV,Oberzaucher E, Grammer K, Penn DJ. Anal Chem.2007 Aug 1; 79(15):5633-41. Epub 2007 Jun 30.
摘要：代謝組學中的主要工作是運用主成分分析法(PCA) 和偏最小二乘法，首先確定樣品是否處于大組之中。但是，分析化學家很少處理單獨的指紋識別問題，為了更有效地進行這一工作，需要研究大量小組別，而不是少量大組別，并需要本文所報導的不同方法。另外，許多哺乳動物和人的代謝組學研究涉及到分析只在某部分樣品中存在的化合物(或色譜峰)，而PCA 的常規方法不適宜處理稀的基質，可能會有很多個0。但可以通過主對應分析(principal coordinates analysis (PCO))，可以開發出大量定性相似度測量方法，來完成這一工作。可以看出，PCA 值是采用定量相似度測量的PCO 值的特例。我們用將近1000 個人體汗液標本的氣相色譜/質譜分析數據進行了大樣本研究，這些標本來自Carinthia(南奧地利)200 個不同個體，10 周內每兩周取樣一次，并按家庭分組。第一步是制作了一張色譜峰列表，需要進行色譜峰識別、校準和積分。從5080 個峰中選出了373 個，這些峰至少在某個人連續5 次的取樣中存在4 次。進行定性(存在與否)和定量(相當于PCA)相似度測量計算。對這些相似度矩陣進行PCO和Kolomorogov-Smirnoff (KS) 秩檢驗。結果表明這些數據組中存在可重現的個體指紋，最好用Hotelling t2 統計的PCO 值和KS 秩檢驗相關的可能性賦值表示的定性相似度來表示。
