XCMS、MS-DIAL 与 MZmine
都用于 LC-MS 数据的峰提取、对齐和缺失峰回填。XCMS 基于 R，便于脚本化复现；MS-DIAL 对脂质组和 DIA 数据支持较好；MZmine 模块化、可视化强。参数需按色谱峰宽和仪器分辨率调整。
18个分析 Skill · Codar 生信插件
代谢组学 AI 分析
代谢组学测量生物样本中小分子代谢物的种类和含量，常见数据来自 LC-MS、GC-MS、CE-MS 和 NMR。这个插件在 Codar 里覆盖靶向与非靶向代谢组、脂质组、代谢物注释、质控与批次校正、差异和多变量统计、通路富集，也包括稳定同位素示踪、ICP-MS 金属组和暴露组分析。
代谢组学能回答哪些研究问题
- 疾病组和对照组之间哪些代谢物发生了显著变化？
- 这些差异代谢物集中在哪些代谢通路上？
- 跨多个批次进样的数据，批次效应能否校正？
- 哪几个代谢物组合可作为候选标志物？
- 同位素标记的葡萄糖碳流向了哪些下游代谢物？
代谢组学分析流程
- 1
确认实验设计
明确分组、进样顺序和 QC 插入方式；还未上机的项目可先规划 DDA 或 DIA 采集方案。
- 2
峰提取与对齐
从原始数据中提取特征峰并跨样本对齐，得到保留时间、质荷比和峰面积组成的特征矩阵。
- 3
质控与批次校正
依据 QC 样本过滤不稳定特征，校正进样漂移和批次差异，再做归一化和缺失值处理。
- 4
代谢物注释
结合精确质量、二级谱图和公共数据库给特征注释，并标注每个注释的置信等级。
- 5
统计与标志物
做单变量检验、PCA 和 OPLS-DA 等多变量分析，筛选差异代谢物和候选标志物组合。
- 6
通路解读
对差异代谢物做通路富集，输出统计表、图表、报告和可复现脚本。
常用方法与怎么选
SIRIUS、GNPS 与 MSI 鉴定等级
非靶向数据中多数特征难以确认结构。GNPS 分子网络利用二级谱相似性归类未知物，SIRIUS 预测分子式和结构候选。报告时通常按代谢组学标准倡议（MSI）分级：一级需标准品确证，二级为谱图匹配推定。
QC-RLSC、SERRF 与 ComBat
校正进样漂移和批次效应的常用方法。QC-RLSC 用 QC 样本做 LOESS 拟合；SERRF 用随机森林借助代谢物间相关性；ComBat 不依赖 QC，但批次不能与分组重合。校正后常剔除 QC 中波动大的特征。
PCA、PLS-DA 与 OPLS-DA
PCA 是无监督方法，先用来看整体分布、QC 聚集和离群样本；PLS-DA 和 OPLS-DA 是有监督方法，用于找区分组别的代谢物，常用 VIP 值排序。有监督模型容易过拟合，需要用置换检验和交叉验证评估 Q2。
需要准备的数据
- 原始质谱文件（.raw、.mzML）或 NMR 谱
- 或已导出的峰面积 / 浓度矩阵
- 样本信息表：分组、批次、进样顺序
- QC 样本和空白样本的标识
- 靶向定量时的标准曲线与内标信息
能得到的结果
- 经质控和批次校正的特征矩阵
- 带置信等级的代谢物注释表
- 差异代谢物统计表与火山图
- PCA、OPLS-DA 得分图及置换检验结果
- 代谢通路富集结果与通路图
- 分析报告和可复现脚本
代谢组学插件包含的分析能力
共 18 项。启用插件后，Codar 会按任务自动选用，不需要逐个记住名称。
- 暴露组学分析
- 代谢标志物发现
- 稳定同位素示踪与代谢流分析
- ICP-MS离子组与金属组分析
- 代谢物鉴定与注释
- 靶向代谢组定量
- 非靶向代谢组分析
- 代谢组质量控制归一化与批次校正
- CE-MS代谢组分析
- 代谢组差异与多变量统计
- 脂质组学分析
- 离子迁移率与CCS分析
- NMR代谢组分析
- 代谢组公共数据库检索
- DDA与DIA质谱采集方案设计
- 代谢通路富集分析
nf-core 标准流程（2 个）
- nf-core-metaboigniter流程
- nf-core-ribomsqc流程
在 Codar 里怎么用
- 1
切换到生信模式
在 Codar 左上角选择 Codar 生信。
- 2
启用「代谢组学」
在插件页找到「代谢组学」，安装或启用。
- 3
描述研究问题
用一句话写清数据和目标，确认分析方案后开始执行。
可以这样提问
帮我分析这份非靶向代谢组数据，做批次校正和多变量统计，筛选差异代谢物并做通路富集。
代谢组学常见问题
靶向代谢组和非靶向代谢组有什么区别？
非靶向代谢组尽可能多地检测特征，用于发现性研究，结果是相对定量，很多特征只能推定注释。靶向代谢组针对预先确定的一组代谢物，用标准品和内标做绝对或半定量，准确度更高但覆盖面窄。常见思路是先用非靶向发现候选，再用靶向方法验证。
OPLS-DA 模型怎么判断有没有过拟合？
看 R2Y 和 Q2 的差距以及置换检验。R2Y 很高但 Q2 低，或置换检验中随机分组得到的 Q2 与真实模型接近，都提示过拟合。样本量小、特征多时尤其要警惕，VIP 筛选结果最好再用单变量检验和 FDR 校正交叉确认。
代谢组实验中 QC 样本应该怎么设置？
通常把所有样本等量混合制成 pooled QC，在序列开头连续进样几针平衡系统，之后每隔若干个样本插入一针，常见间隔为 5 到 10 个样本。样本进样顺序应随机化，避免分组与进样时间重合，否则仪器漂移会被误当成组间差异。
其他生信插件
macOS 12+Mac
Windows 10+Windows