深度空间代谢组学；(3) |常规分析内容和数据清理策略

读者朋友们，你们好！空间代谢组学的新阶段:a来了！上一期，我们介绍了空间代谢组学的数据处理方法。本期我们将为您分析空间代谢组学常用的分析内容和数据清洗策略。

*以下内容均基于SCILSTMLab分析软件。

Q1

主要分析内容有哪些？

1.空间聚类分析(分割)

空间聚类分析的本质是空间聚类分析的热图。聚类算法后，代谢模式相似的区域用相同的颜色标记，切片从分子水平清晰直观的分类。在整个切片分析完成后，可以对关注区域进行进一步的聚类分析，以发现更多的独特区域。

应用案例:

2.代谢物的分子成像

分析单个代谢物分子以获得其空间分布和表达的热图。图中，颜色越红，代谢物的表达水平越高，颜色越蓝，代谢物的表达水平越低。

应用案例:

Q2

如何清洗数据找到关键代谢物分子？

1.ROC分析

SCILSTM？Lab集成机器学习算法，根据目标区域的代谢物浓度和分布进行ROC分析，输出代谢物列表。通常，顶代谢物对差异的影响很大，这可以通过分子成像进一步证实。

2.分子空间* * *代谢物的位置

空间* * *位置分析是代谢物的一种空间相关性分析。选择一个目标代谢物后，进行空间相关性计算，输出与目标代谢物空间表达趋势一致的代谢物列表，可以帮助分析该区域代谢物的表达模式和代谢网络。

3.代谢物的统计差异分析和生物信息学分析

这部分分析内容与常规代谢组学一致，主要针对代谢物的含量进行一维和多维统计分析、KEGG通路分析、表达相关性分析、聚类温谱图、代谢物分类等分析。在空间代谢组学中，分析目标是指定的区域或切片。当选定目标区域后，通过算法对该区域内代谢物的含量进行积分，并进行后续分析。