一、基础分析

1、主成分分析（PCA分析）

       主成分分析 （ Principal Component Analysis ， PCA ）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间，达到简化数据，降维的目的。 PCA 通过降纬的技术把多个变量化为少数几个主成分（即综合变量）的多元统计方法。是一种无监督的数据分析方法。

2、PLSDA分析

     PLS-DA(偏最小二乘法判别分析)是一种有师监督的方法，判别能力优于 PCA，更侧重于不同组之间的差异分析。荷图可以用来识别对分组有较大贡献的代谢物。

3、OPLSDA分析

       在PLS-DA分析效果不很理想的情况下，我们可以进一步采用正交偏最小二乘方判别分析（OPLS-DA）过滤与模型分类不相关信号即正交信号，获得OPLS-DA模型。

4、差异化合物筛选及鉴定

二、深入分析

1、差异物质代谢通路归属

利用KEGG数据库对差异化合物进行Pathway分析，并且用统计检验的方法计算每个Pathway条目中差异化合物富集的显著性。计算的结果会返回一个富集显著性的P值，小的P 值表示差异化合物在该Pathway 中出现了富集。Pathway 分析对实验结果有提示的作用，通过差异化合物的Pathway 分析，可以找到富集差异化合物的Pathway 条目，寻找不同样品的差异化合物可能和哪些细胞通路的改变有关。针对目标性差异物质列表进行通路归属，提供每个物质所参与的代谢通路名称及对应代谢通路图表。

                                    

2、代谢互作网络构建

根据得到的代谢通路，进行代谢互作网络的构建，用以充分理解生物内部的代谢调控机制。

                                        

备注：图例仅供参考，针对不同的实验可得到不同的网络图。

3、多组学整合分析

     通过分析代谢通路，与其他组学数据，如基因组学，转录组学以及蛋白质组学等的整合，为其他组学的研究结论提供佐证，实现研究对象的整体性分析及研究结论的系统化阐释，从而得到全面、可靠的研究成果。此分析主要依托于IPA，可以为代谢物研究提供关键的调控信息，进而更好的理解代谢组数据中从细胞形态学到代谢作用机制的信息。如:代谢过程通路分析；寻找并可视化代谢物调控或合成过程等。

                                       

三、其他分析

1、热图

                             

2、火山图

                                    

3、T检验

student t检验（Student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布数据。

                       

4、箱式分析

                                

5、差异倍数

                                           

6、个性化分析

     

       提供文献中感兴趣的图表，有针对性开展个性服务。