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 |
|---|---|---|
| R | 4.4.3 | 统计环境 |
| vegan | 2.7.5 | procrustes(symmetric=TRUE)、protest、mantel(Pearson,1000 次置换;组内 Mantel 用 permute::how(blocks=组) 分块置换) |
| ade4 | 1.7.24 | RV.rtest(1000 次置换)、dudi.pca + coinertia(nf=2)+ randtest |
| stats::prcomp | 4.4.3 | PCA,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。 |
| P | P 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”)。 |
| BH | Benjamini–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 correlation | r = 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 component | PCA 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。 |
| Mantel | Mantel 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。 |
| RV | RV 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。 |
| Mfuzz | Mfuzz 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 cOmponents | mixOmics 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
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。
| method | statistic | p | note |
|---|---|---|---|
| Procrustes | 0.8181 | 0.000999 | protest 对称 Procrustes 相关 |
| Mantel_all | 0.5933 | 0.000999 | 全部样本距离矩阵 Pearson |
| Mantel_within_group | 0.5951 | 0.01399 | 扣除组均值后,组内置换 |
| RV | 0.7606 | 0.000999 | 前5主成分 RV 系数 |
| Coinertia_RV | 0.7606 | 0.000999 | co-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… |
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。
| axis | inertia_prop | cor_gene_met |
|---|---|---|
| 1 | 0.5314 | 0.9783 |
| 2 | 0.3994 | 0.8689 |
| 3 | 0.04408 | |
| 4 | 0.0166 | |
| 5 | 0.008493 |
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。
| sample | gene_met_r | n_other |
|---|---|---|
| R13 | 0.4922 | 29 |
| R21 | 0.679 | 29 |
| R32 | 0.7064 | 29 |
| R31 | 0.7096 | 29 |
| R11 | 0.739 | 29 |
| R22 | 0.7695 | 29 |
| R12 | 0.7822 | 29 |
| R53 | 0.7911 | 29 |
| R42 | 0.8015 | 29 |
| Y32 | 0.8119 | 29 |
| R51 | 0.8169 | 29 |
| Y22 | 0.8208 | 29 |
| R52 | 0.8239 | 29 |
| Y12 | 0.8349 | 29 |
| R41 | 0.8366 | 29 |
| Y52 | 0.8369 | 29 |
| R33 | 0.8457 | 29 |
| R43 | 0.8511 | 29 |
| Y43 | 0.857 | 29 |
| R23 | 0.8613 | 29 |
| Y53 | 0.8643 | 29 |
| Y41 | 0.8803 | 29 |
| Y23 | 0.8833 | 29 |
| Y11 | 0.8864 | 29 |
| Y13 | 0.8955 | 29 |
| Y51 | 0.8966 | 29 |
| Y42 | 0.8988 | 29 |
| Y31 | 0.9109 | 29 |
| Y21 | 0.9269 | 29 |
| Y33 | 0.9277 | 29 |
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)。
| method | metabolites | procrustes_r |
|---|---|---|
| 服务商填补值 10.018 | 1283 | 0.818 |
| 半最小值填补(本流程采用) | 1283 | 0.8181 |
| 去掉含未检出的代谢物 | 1170 | 0.8166 |
各比较结果
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。
| comparison | procrustes_r | procrustes_p | gene_pc1 | met_pc1 | procrustes_fdr |
|---|---|---|---|---|---|
| R1_vs_Y1 | 0.7364 | 0.3194 | 0.3877 | 0.3074 | 0.3423 |
| R2_vs_Y2 | 0.7733 | 0.1903 | 0.3793 | 0.3687 | 0.2314 |
| R3_vs_Y3 | 0.8502 | 0.04722 | 0.4209 | 0.3679 | 0.09 |
| R4_vs_Y4 | 0.7283 | 0.2694 | 0.466 | 0.4199 | 0.3003 |
| R5_vs_Y5 | 0.8198 | 0.07361 | 0.5373 | 0.4346 | 0.1142 |
| R1_vs_R2 | 0.659 | 0.5819 | 0.4036 | 0.3735 | 0.5819 |
| R1_vs_R3 | 0.7465 | 0.2736 | 0.4244 | 0.3529 | 0.3003 |
| R1_vs_R4 | 0.7985 | 0.1042 | 0.5185 | 0.38 | 0.1465 |
| R1_vs_R5 | 0.8532 | 0.02917 | 0.5462 | 0.3478 | 0.06908 |
| R2_vs_R3 | 0.9109 | 0.0125 | 0.423 | 0.393 | 0.05114 |
| R2_vs_R4 | 0.8571 | 0.02639 | 0.4666 | 0.3809 | 0.06908 |
| R2_vs_R5 | 0.7849 | 0.1319 | 0.509 | 0.3541 | 0.1746 |
| R3_vs_R4 | 0.8782 | 0.009722 | 0.5389 | 0.4005 | 0.04375 |
| R3_vs_R5 | 0.8264 | 0.07222 | 0.5704 | 0.3801 | 0.1142 |
| R4_vs_R5 | 0.6734 | 0.5306 | 0.3726 | 0.3679 | 0.5526 |
| Y1_vs_Y2 | 0.7962 | 0.1681 | 0.4121 | 0.3151 | 0.2101 |
| Y1_vs_Y3 | 0.8568 | 0.04861 | 0.3798 | 0.3469 | 0.09 |
| Y1_vs_Y4 | 0.9166 | 0.009722 | 0.3596 | 0.3424 | 0.04375 |
| Y1_vs_Y5 | 0.8857 | 0.001389 | 0.4343 | 0.3449 | 0.03125 |
| Y2_vs_Y3 | 0.8428 | 0.05 | 0.4202 | 0.337 | 0.09 |
| Y2_vs_Y4 | 0.9442 | 0.004167 | 0.339 | 0.3711 | 0.0375 |
| Y2_vs_Y5 | 0.7585 | 0.2125 | 0.4167 | 0.3625 | 0.2516 |
| Y3_vs_Y4 | 0.9055 | 0.009722 | 0.404 | 0.3611 | 0.04375 |
| Y3_vs_Y5 | 0.8375 | 0.01944 | 0.4555 | 0.3759 | 0.0625 |
| Y4_vs_Y5 | 0.8255 | 0.07222 | 0.4255 | 0.3225 | 0.1142 |
| R1_vs_Y2 | 0.6729 | 0.5403 | 0.3919 | 0.3305 | 0.5526 |
| R1_vs_Y3 | 0.7561 | 0.2375 | 0.3946 | 0.3297 | 0.274 |
| R1_vs_Y4 | 0.9348 | 0.04861 | 0.4924 | 0.4346 | 0.09 |
| R1_vs_Y5 | 0.8379 | 0.03889 | 0.5745 | 0.4397 | 0.08333 |
| R2_vs_Y1 | 0.9371 | 0.002778 | 0.3696 | 0.3416 | 0.03125 |
| R2_vs_Y3 | 0.9781 | 0.001389 | 0.3725 | 0.3516 | 0.03125 |
| R2_vs_Y4 | 0.919 | 0.01806 | 0.4609 | 0.4303 | 0.0625 |
| R2_vs_Y5 | 0.9187 | 0.002778 | 0.5444 | 0.4402 | 0.03125 |
| R3_vs_Y1 | 0.8817 | 0.02917 | 0.4128 | 0.336 | 0.06908 |
| R3_vs_Y2 | 0.8479 | 0.05972 | 0.4173 | 0.3602 | 0.1034 |
| R3_vs_Y4 | 0.866 | 0.0375 | 0.5254 | 0.4585 | 0.08333 |
| R3_vs_Y5 | 0.9502 | 0.009722 | 0.6052 | 0.4671 | 0.04375 |
| R4_vs_Y1 | 0.9359 | 0.01389 | 0.4619 | 0.417 | 0.05208 |
| R4_vs_Y2 | 0.9503 | 0.006944 | 0.4637 | 0.4473 | 0.04375 |
| R4_vs_Y3 | 0.9145 | 0.02778 | 0.4754 | 0.4632 | 0.06908 |
| R4_vs_Y5 | 0.8025 | 0.07639 | 0.5125 | 0.4569 | 0.1146 |
| R5_vs_Y1 | 0.8187 | 0.08194 | 0.5162 | 0.4127 | 0.119 |
| R5_vs_Y2 | 0.7912 | 0.1167 | 0.5137 | 0.4269 | 0.1591 |
| R5_vs_Y3 | 0.9027 | 0.02083 | 0.5265 | 0.4376 | 0.0625 |
| R5_vs_Y4 | 0.745 | 0.1681 | 0.5441 | 0.4831 | 0.2101 |
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
- 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.
- Mantel N. The detection of disease clustering and a generalized regression approach. Cancer Research, 1967, 27(2): 209–220.
- Robert P, Escoufier Y. A unifying tool for linear multivariate statistical methods: the RV-coefficient. Applied Statistics, 1976, 25(3): 257–265.
- Dolédec S, Chessel D. Co-inertia analysis: an alternative method for studying species–environment relationships. Freshwater Biology, 1994, 31: 277–294.