样本一致性:完整技术报告

主要发现:两组学样本结构高度一致(Procrustes r=0.818);扣除组间差异后同一样本仍对应(组内 Mantel r=0.595,P=0.014)。交换 R12 与 R13 的代谢组标签后组内一致性明显升高,提示这两个样本可能对调。

本页保留全部详细说明;日常浏览请用简洁页面。

1 分析目的

联合分析的前提是:同一批样本在转录组和代谢组上反映的是同一套生物学状态。如果两组学的样本结构(哪些样本相似、哪些样本不同)不一致,逐分子的相关和多组学模型都缺乏基础。本分析回答三个问题:① 两组学的样本整体结构是否一致;② 扣除处理和水平造成的组间差异后,同一样本在两组学中是否仍然对应(检验样本配对是否正确);③ 是否存在可能的样本标签错位。

2 分析原理

主成分分析(principal component analysis, PCA):每个组学分别对样本 × 分子矩阵做 PCA(分子先标准化为均值 0、方差 1),取前 5 个主成分(PC)作为该组学的样本坐标。

Procrustes 分析:把代谢组的样本坐标 Y 经平移、旋转和等比缩放,与转录组坐标 X 尽量重合(对称形式,两边都先标准化),残差平方和 m² 越小越一致。Procrustes 相关 r = √(1 − m²)。显著性用 PROTEST 置换检验:随机打乱代谢组的样本顺序 999 次,P = (1 + 随机 r ≥ 观测 r 的次数)/(1 + 置换次数)。

Mantel 检验:分别计算两组学的样本间欧氏距离矩阵 DG、DM(30 个样本共 435 对),Mantel r 为两矩阵下三角元素的 Pearson 相关;置换样本标签检验显著性。组内 Mantel:先把每个分子减去所在组(10 组)的组均值,用残差算距离,再只在同组内打乱样本(分块置换),因此只反映组内个体之间的对应,不受组间差异影响。

RV 系数:RV = tr(XX′YY′) / √[tr((XX′)²)·tr((YY′)²)],X、Y 为两组学前 5 个主成分得分,0–1,越大两组学样本构型越相似;用置换检验评估。

协惯量分析(co-inertia analysis):在两组学的主成分得分上寻找一对轴,使两组学在该轴上投影的协方差最大,得到“公共轴”。每根轴的惯量占比表示它承载的共同结构比例;两组学在同一轴上得分的相关表示该方向上的一致程度。其总体 RV 与上面的 RV 系数在同一组主成分上定义相同,数值相同。

样本标签对调扫描:在同一组内依次交换两个样本的代谢组标签,重算组内 Mantel r。若某一对交换后 r 明显升高、远高于其他配对,提示这两个样本的标签可能互换。

样本谱一致性:对每个样本,取它与其余 29 个样本的相关(转录组一条向量、代谢组一条向量),再计算两条向量之间的 Pearson 相关。数值低说明该样本在两组学中“和谁相似”不一致。

3 输入数据及预处理

转录组:表达过滤后的基因(至少 3 个样本 FPKM≥1),log2(FPKM+1)。代谢组:全部有变异的代谢物,log2 强度,未检出用半最小值填补(PCA 需要完整矩阵)。30 个样本:处理 R、Y 各 5 个水平,每组 3 个重复。逐比较分析只用该比较的 6 个样本,取前 3 个主成分。

代谢物未检出值(服务商填为固定下限 10.018)在本流程中不当作真实强度:相关、活性和热图里记为 NA;PCA、Procrustes、O2PLS、CCA、PLS、DIABLO、MOFA、WGCNA、Mfuzz 等需要完整矩阵的方法,用该物质最小检出值的一半填补(半最小值填补),只用于这些方法。

4 软件、算法及参数

软件 / 函数版本用途与关键参数
R4.4.3统计环境
vegan2.7.5procrustes(symmetric=TRUE)、protest、mantel(Pearson,1000 次置换;组内 Mantel 用 permute::how(blocks=组) 分块置换)
ade41.7.24RV.rtest(1000 次置换)、dudi.pca + coinertia(nf=2)+ randtest
stats::prcomp4.4.3PCA,scale.=TRUE,取前 5 个主成分
逐比较 Procrustes—6 个样本,前 3 个主成分,protest 置换 719 次(6! − 1,穷举全部排列)

5 统计指标解释

下表列出本页出现的全部统计指标和缩写(由页面内容自动生成)。全部术语见术语表。

术语中文名英文名定义与读法
FPKM每千碱基每百万片段数Fragments Per Kilobase of transcript per Million mapped fragments转录组表达量单位,按基因长度和测序深度归一化。本流程用 log2(FPKM+1) 作为基因表达值。
PP 值P value在原假设(无差异、无相关或无富集)成立时,得到当前或更极端结果的概率,未经多重检验校正。
FDR错误发现率false discovery rate多重检验校正指标,表示在所有判为显著的结果中,预期假阳性所占比例。本报告全部用 Benjamini–Hochberg 方法计算,检验范围在各分析中分别说明(如“该比较的全部配对”“全部可评估通路”)。
BHBenjamini–Hochberg 校正Benjamini–Hochberg procedure把 m 个 P 值从小到大排序,第 i 个的校正值为 min(1, min_{k≥i} P_(k)·m/k)。控制 FDR,比 Bonferroni 校正宽松。
NA缺失值not available没有数值。未检出、未检验或不可计算时记为 NA,不当作 0。
r相关系数correlation coefficient本报告中未特别说明时指 Pearson 积矩相关系数,范围 −1 到 1;正值表示同涨同落,负值表示此消彼长,绝对值越大线性关系越强。
Pearson皮尔逊相关Pearson correlationr = Σ(x−x̄)(y−ȳ) / √[Σ(x−x̄)²·Σ(y−ȳ)²],衡量线性关系。显著性用 t = r·√[df/(1−r²)] 服从自由度 df 的 t 分布检验。
PCA主成分分析principal component analysis把多变量数据投影到方差最大的正交方向(主成分 PC),用少数几个主成分概括样本间差异。
PC主成分principal componentPCA 得到的新坐标轴,PC1 解释的方差最多。
Procrustes普氏分析Procrustes analysis通过平移、旋转和缩放,把一个样本坐标集合尽量对齐到另一个,残差越小两者结构越一致。
PROTEST普氏置换检验Procrustean randomization test对 Procrustes 相关做置换检验:打乱样本对应关系,比较观测值与随机分布。
MantelMantel 检验Mantel test比较两个样本距离矩阵的相关,用置换样本标签检验显著性。
RVRV 系数RV coefficient两张样本矩阵之间的多变量相关,0–1,越大说明两组学样本构型越相似。
Co-inertia协惯量分析co-inertia analysis寻找两张数据表协方差最大的公共轴,比较两组学在公共轴上的样本位置。
WGCNA加权基因共表达网络分析weighted gene co-expression network analysis把相关矩阵经软阈值幂次变换成加权网络,用拓扑重叠聚类得到共表达模块。
MfuzzMfuzz 模糊聚类Mfuzz soft clustering基于模糊 C 均值的时间序列聚类,每个分子对每个簇有隶属度,适合噪声较大的表达模式。
O2PLS双向正交偏最小二乘two-way orthogonal partial least squares把两组学各自分解为联合部分(两边共变)、各自特有的正交部分和残差。
CCA典型相关分析canonical correlation analysis寻找两组变量的线性组合,使两组合之间相关最大。
PLS偏最小二乘partial least squares寻找两组变量的线性组合,使两组合之间协方差最大。
DIABLO多组学判别分析Data Integration Analysis for Biomarker discovery using Latent cOmponentsmixOmics 中的多块稀疏 PLS 判别分析,同时最大化各组学与分组的相关和组学之间的相关。
MOFA多组学因子分析Multi-Omics Factor Analysis无监督贝叶斯因子模型,把多组学数据分解为若干共享或组学特有的潜在因子。

6 图表与结果展示

全局结果

一致性统计共 5 行下载全表

表注:method 方法;statistic 统计量(Procrustes 为对称 Procrustes 相关,Mantel 为距离矩阵 Pearson 相关,RV 为 RV 系数);p 为置换检验 P(1000 次);Coinertia_RV 与 RV 在同一组主成分上定义相同,数值相同;note 为说明。

methodstatisticpnote
Procrustes0.81810.000999protest 对称 Procrustes 相关
Mantel_all0.59330.000999全部样本距离矩阵 Pearson
Mantel_within_group0.59510.01399扣除组均值后,组内置换
RV0.76060.000999前5主成分 RV 系数
Coinertia_RV0.76060.000999co-inertia 总体 RV;与上一行用同一组主成分,数值相同是定义使然,P 来自 co-inertia 置换检…
Co-inertia 各轴共 5 行下载全表

表注:axis 公共轴编号;inertia_prop 该轴占总共惯量的比例;cor_gene_met 该轴上转录组得分与代谢组得分的相关,只计算前 2 轴,其余为空。

axisinertia_propcor_gene_met
10.53140.9783
20.39940.8689
30.04408
40.0166
50.008493
每个样本的两组学一致性(升序)共 30 行下载全表

表注:gene_met_r:该样本与其余 29 个样本的转录组相关向量和代谢组相关向量之间的 Pearson 相关(不含与自身的相关);n_other 参与计算的其他样本数。

samplegene_met_rn_other
R130.492229
R210.67929
R320.706429
R310.709629
R110.73929
R220.769529
R120.782229
R530.791129
R420.801529
Y320.811929
R510.816929
Y220.820829
R520.823929
Y120.834929
R410.836629
Y520.836929
R330.845729
R430.851129
Y430.85729
R230.861329
Y530.864329
Y410.880329
Y230.883329
Y110.886429
Y130.895529
Y510.896629
Y420.898829
Y310.910929
Y210.926929
Y330.927729
未检出填补方式的敏感性共 3 行下载全表

表注:method 未检出处理方式;metabolites 参与的代谢物数;procrustes_r 用该方式重算的全局 Procrustes r(不做置换)。

methodmetabolitesprocrustes_r
服务商填补值 10.01812830.818
半最小值填补(本流程采用)12830.8181
去掉含未检出的代谢物11700.8166

各比较结果

各比较 Procrustes共 45 行下载全表

表注:procrustes_r 该比较 6 个样本前 3 个主成分的对称 Procrustes 相关;procrustes_p 穷举 719 种排列的置换 P;gene_pc1、met_pc1 两组学第 1 主成分解释的方差比例;procrustes_fdr 45 个比较的 BH 校正值。只有 6 个样本,P 仅作参考。

comparisonprocrustes_rprocrustes_pgene_pc1met_pc1procrustes_fdr
R1_vs_Y10.73640.31940.38770.30740.3423
R2_vs_Y20.77330.19030.37930.36870.2314
R3_vs_Y30.85020.047220.42090.36790.09
R4_vs_Y40.72830.26940.4660.41990.3003
R5_vs_Y50.81980.073610.53730.43460.1142
R1_vs_R20.6590.58190.40360.37350.5819
R1_vs_R30.74650.27360.42440.35290.3003
R1_vs_R40.79850.10420.51850.380.1465
R1_vs_R50.85320.029170.54620.34780.06908
R2_vs_R30.91090.01250.4230.3930.05114
R2_vs_R40.85710.026390.46660.38090.06908
R2_vs_R50.78490.13190.5090.35410.1746
R3_vs_R40.87820.0097220.53890.40050.04375
R3_vs_R50.82640.072220.57040.38010.1142
R4_vs_R50.67340.53060.37260.36790.5526
Y1_vs_Y20.79620.16810.41210.31510.2101
Y1_vs_Y30.85680.048610.37980.34690.09
Y1_vs_Y40.91660.0097220.35960.34240.04375
Y1_vs_Y50.88570.0013890.43430.34490.03125
Y2_vs_Y30.84280.050.42020.3370.09
Y2_vs_Y40.94420.0041670.3390.37110.0375
Y2_vs_Y50.75850.21250.41670.36250.2516
Y3_vs_Y40.90550.0097220.4040.36110.04375
Y3_vs_Y50.83750.019440.45550.37590.0625
Y4_vs_Y50.82550.072220.42550.32250.1142
R1_vs_Y20.67290.54030.39190.33050.5526
R1_vs_Y30.75610.23750.39460.32970.274
R1_vs_Y40.93480.048610.49240.43460.09
R1_vs_Y50.83790.038890.57450.43970.08333
R2_vs_Y10.93710.0027780.36960.34160.03125
R2_vs_Y30.97810.0013890.37250.35160.03125
R2_vs_Y40.9190.018060.46090.43030.0625
R2_vs_Y50.91870.0027780.54440.44020.03125
R3_vs_Y10.88170.029170.41280.3360.06908
R3_vs_Y20.84790.059720.41730.36020.1034
R3_vs_Y40.8660.03750.52540.45850.08333
R3_vs_Y50.95020.0097220.60520.46710.04375
R4_vs_Y10.93590.013890.46190.4170.05208
R4_vs_Y20.95030.0069440.46370.44730.04375
R4_vs_Y30.91450.027780.47540.46320.06908
R4_vs_Y50.80250.076390.51250.45690.1146
R5_vs_Y10.81870.081940.51620.41270.119
R5_vs_Y20.79120.11670.51370.42690.1591
R5_vs_Y30.90270.020830.52650.43760.0625
R5_vs_Y40.7450.16810.54410.48310.2101

7 结果描述

整体一致性。30 个样本的两组学前 5 个主成分之间,对称 Procrustes r 为 0.818(PROTEST 置换 P=1.0e-03),RV 系数为 0.761(P=1.0e-03),样本距离矩阵的 Mantel r 为 0.593(P=1.0e-03)。Co-inertia 前两根公共轴合计占总共惯量的 93.1%,两组学在第 1、2 轴上的得分相关分别为 0.978 和 0.869。四种方法结论一致:两组学的样本整体结构高度相似。

组内对应。减去组均值后,组内 Mantel r 为 0.595,只在组内打乱的置换 P=0.014,说明在同一处理水平内,转录组上相似的样本在代谢组上也相似,样本的两组学配对总体可信。

可能的标签问题。样本标签对调扫描中,交换 R12 与 R13 后组内 Mantel r 提高 0.113,次高的一对只提高 0.029。样本谱一致性最低的是 R13(0.492),全部样本中位数为 0.837。两项独立指标都指向同一样本。

逐比较。45 个比较 6 样本的 Procrustes r 在 0.66–0.98 之间(中位数 0.85),最低的是 R1_vs_R2;置换 P<0.05 的有 24 个,45 个比较 BH 校正后 FDR<0.05 的有 10 个(6 个样本的最小置换 P 为 1/720,逐比较结果只作描述)。

敏感性。分别用服务商填补值、半最小值填补和去掉含未检出的代谢物三种方式,全局 Procrustes r 为 0.817–0.818,结论不依赖未检出值的处理方式。

8 生物学意义

数据支持的观察

两组学在 30 个样本上的整体结构一致,说明处理和水平引起的转录变化与代谢变化在样本层面是同步的,这是后续逐分子关联和多组学建模的前提。组内 Mantel 显著说明,即使在同一处理水平下,个体之间的转录差异也伴随相应的代谢差异。

需要进一步验证的假设

R12、R13 的偏离可能来自样本标签互换,也可能是个体本身的异常。需要查对取样和送样记录;若确认互换,应修改样本表后重跑全部依赖样本配对的分析(相关、模型、活性耦合)。这一点属于数据质量问题,不应作生物学解释。

9 局限性

30 个样本、10 组,每组 3 个重复,组内 Mantel 的有效信息来自组内 20 个样本对,检验功效有限。PCA 只取前 5 个主成分,会丢弃小的变异来源。半最小值填补会让未检出较多的代谢物在 PCA 中被拉低;“填补方式敏感性”表给出了三种处理下的 Procrustes r。逐比较只有 6 个样本,Procrustes r 只能作描述,P 值不可靠。标签对调扫描只提示可能性,需查原始送样记录确认。

参考文献

  1. Peres-Neto PR, Jackson DA. How well do multivariate data sets match? The advantages of a Procrustean superimposition approach over the Mantel test. Oecologia, 2001, 129: 169–178.
  2. Mantel N. The detection of disease clustering and a generalized regression approach. Cancer Research, 1967, 27(2): 209–220.
  3. Robert P, Escoufier Y. A unifying tool for linear multivariate statistical methods: the RV-coefficient. Applied Statistics, 1976, 25(3): 257–265.
  4. Dolédec S, Chessel D. Co-inertia analysis: an alternative method for studying species–environment relationships. Freshwater Biology, 1994, 31: 277–294.