?VOCs頂空進樣非靶向代謝組學檢測分析方案
一、項目簡介
1.1 VOCs概述
揮發性有機化合物（VOCs, volatile organic compounds）是指在常溫下，沸點50℃-260℃的各種有機化合物。VOCs按其化學結構，可以進一步分為：烷類、芳烴類、酯類、醛類和其他等。研究表明，VOCs與人體神經系統發育，肝臟毒性，血液系統等方面有重大關系。
1.2 技術路線
圖1. VOCs頂空(HS-GC-MS)非靶向代謝組學技術路線圖
1.3實驗設計
人糞便樣品，分疾病組200例，正常對照組68例，進行VOCs頂空(HS-GC-MS)非靶向代謝組學檢測，并對得到的數據進行進一步生物信息學分析。
樣品詳情：共計268例樣品。

1.4分析內容
基礎數據分析包括：數據預處理，PCA主成分分析，OPLS-DA正交矯正偏最小二乘法判別分析，差異化合物篩選。
1.5檢測平臺
代謝流分析檢測平臺：固相微萃取+HS-GC-MS

二、數據分析方案
基礎數據分析
2.1數據預處理
對原始數據進行提取，對齊，標準化分析，通過原始總離子流(TIC)色譜圖，初步觀察儀器的保留時間重現性，所測得的物質數量。
圖2. 代表樣品HS-GC-MS總離子流色譜圖
2.2 PCA分析
對樣本進行主成分分析能從總體上反應各組樣本之間的總體代謝差異和組內樣本之間的變異度大小。使用SIMCA軟件(V14.1, Umetrics, Umea, Sweden)，對數據進行對數（LOG）轉換加中心化（CTR）格式化處理，然后進行自動建模分析，以獲得更加可靠且更加直觀的結果。例圖如下所示：
圖3. PCA模式識別得分圖
2.3 OPLS-DA分析
為了消除與分類不相關的噪音信息，同時也為了獲得導致兩組之間顯著差異的相關代謝物信息，我們采用正交偏最小二乘方判別分析（OPLS-DA）過濾與模型分類不相關信號即正交信號，獲得OPLS-DA模型。對模型的質量用交叉驗證法進行檢驗，并用交叉驗證后得到的R2X 和Q2(分別代表模型可解釋的變量和模型的可預測度)對模型有效性進行評判。在此之后，通過排列實驗對模型有效性做進一步的檢驗。例圖如下所示：

2.4 差異化合物篩選
由于過濾掉了不相關的正交信號，因而獲得的差異性代謝物更加可靠。本項目采用 OPLS-DA模型第一主成分的VIP（Variable Importance in the Projection）值（閾值>1），并結合學生氏t檢驗(t-test)的p值（閾值0.05）來尋找差異性表達代謝物。代謝物的定性方法為 搜索NIST商業數據庫（自動峰識別和保真解卷積?）。
表1. 差異化合物列表（部分）

三、時間概算
實驗檢測：45個工作日（從收到客戶預付款并收到樣品之日起）
數據分析：22個工作日