Codar 预置工作流

代谢组差异与多变量统计

当用户需要对质控后的代谢矩阵进行样本级差异、PCA 和监督建模,并用正确验证识别批次驱动或过拟合结果时使用。

代谢组学5 个步骤v1更新于 2026-11-19

流程图

  • 数据输入
  • 核心分析
  • 结果输出

步骤说明5 步

  1. 查看单变量分布、缺失和离群数据输入

    查看单变量分布、缺失和离群;选用与数据尺度匹配的变换及缩放。

    下一步02 用 PCA、样本相关和 QC 分布做无监督诊断

  2. 用 PCA、样本相关和 QC 分布做无监督诊断核心分析

    用 PCA、样本相关和 QC 分布做无监督诊断,不根据组别反复调参追求分离。

    下一步03 对每个特征在样本层拟合线性、广义或混合模型

  3. 对每个特征在样本层拟合线性、广义或混合模型核心分析

    对每个特征在样本层拟合线性、广义或混合模型,报告效应、置信区间和 FDR。

    下一步04 PLS-DA 等监督模型必须在训练数据内选择成分

  4. PLS-DA 等监督模型必须在训练数据内选择成分核心分析

    PLS-DA 等监督模型必须在训练数据内选择成分,并用嵌套交叉验证、标签置换和独立测试评估。

    下一步05 对缩放、缺失处理、离群样本和批次校正做敏感性分析

  5. 对缩放、缺失处理、离群样本和批次校正做敏感性分析结果输出

    对缩放、缺失处理、离群样本和批次校正做敏感性分析。

使用原则

  • 参考上述步骤、工具和依赖关系,结合本次目标、数据与可用工具安排研究过程。
  • 可以调整顺序、补充必要检查或省略不适用的步骤,重要调整需说明原因。
  • 用户本次的明确要求优先于此参考;关键意图不清楚时先提问。

workflow.md

查看工作流源文件
---
format: codar-workflow
schemaVersion: 1
layoutDirection: TD
id: "codar-metabolomics-skill-b6b79833d938-kuxlhgzr"
version: 1
name: "代谢组差异与多变量统计"
domain: "代谢组学"
description: "当用户需要对质控后的代谢矩阵进行样本级差异、PCA 和监督建模,并用正确验证识别批次驱动或过拟合结果时使用。"
---

# 代谢组差异与多变量统计

## 流程图

```mermaid
flowchart TD
    n1["查看单变量分布、缺失和离群"]
    n2["用 PCA、样本相关和 QC 分布做无监督诊断"]
    n3["对每个特征在样本层拟合线性、广义或混合模型"]
    n4["PLS-DA 等监督模型必须在训练数据内选择成分"]
    n5["对缩放、缺失处理、离群样本和批次校正做敏感性分析"]
    n1 --> n2
    n2 --> n3
    n3 --> n4
    n4 --> n5
```

## 节点

### 查看单变量分布、缺失和离群 {#n1}
- 类别: 数据输入
- 位置: 40, 40
- 说明: |
  查看单变量分布、缺失和离群;选用与数据尺度匹配的变换及缩放。

### 用 PCA、样本相关和 QC 分布做无监督诊断 {#n2}
- 类别: 核心分析
- 位置: 40, 176
- 说明: |
  用 PCA、样本相关和 QC 分布做无监督诊断,不根据组别反复调参追求分离。

### 对每个特征在样本层拟合线性、广义或混合模型 {#n3}
- 类别: 核心分析
- 位置: 40, 312
- 说明: |
  对每个特征在样本层拟合线性、广义或混合模型,报告效应、置信区间和 FDR。

### PLS-DA 等监督模型必须在训练数据内选择成分 {#n4}
- 类别: 核心分析
- 位置: 40, 448
- 说明: |
  PLS-DA 等监督模型必须在训练数据内选择成分,并用嵌套交叉验证、标签置换和独立测试评估。

### 对缩放、缺失处理、离群样本和批次校正做敏感性分析 {#n5}
- 类别: 结果输出
- 位置: 40, 584
- 说明: |
  对缩放、缺失处理、离群样本和批次校正做敏感性分析。

## 使用原则

- 参考上述步骤、工具和依赖关系,结合本次目标、数据与可用工具安排研究过程。
- 可以调整顺序、补充必要检查或省略不适用的步骤,重要调整需说明原因。
- 用户本次的明确要求优先于此参考;关键意图不清楚时先提问。