高通量 LC-MS 数据的生物信息学和统计学方法

抽象的

安妮塔·萨维科夫斯卡

介绍了高通量 lc-ms 数据的综合数据分析。介绍了多因素实验的统计分析和整合方法。示例数据集来自对谷物对病原体感染的反应和大麦 (Hordeum vulgare) 在干旱胁迫下的反应的研究。分析了初级代谢物、次级代谢物和蛋白质。

数据预处理、分析及可视化在R系统中完成，统计分析采用Genstat包中的程序进行，并介绍了组学数据整合及网络可视化的方法。

构建了相关网络和差异相关网络，以比较不同条件下代谢物和蛋白质之间的关系。性状用节点表示，线（边）对应于性状对之间的相关性。检测到具有高度相关性状的模块 - 簇。指示具有许多连接（与其他性状相关）的性状的枢纽。

使用 R 中的 WGCNA 包进行相关网络分析，使用幂函数将 Pearson 相关矩阵转换为邻接矩阵。通过聚类检测模块。使用基于 Fisher 的 Z 变换的测试创建差异相关网络，并进行 Bonferroni 校正。在 Cytoscape 中对网络进行可视化。

该算法可适用于任何高通量液相色谱-质谱数据。

免责声明: 此摘要通过人工智能工具翻译，尚未经过审核或验证