数据预处理与秩变换
将不同数据集的相对丰度转换为可比尺度，并处理左删失值。
对每个数据集分别进行总离子流（TIC）归一化，然后对每个代谢物特征进行秩变换，左删失值赋予相同的秩。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
MIRTH: 通过秩变换和协调实现代谢物插补
MIRTH: Metabolite Imputation via Rank-Transformation and Harmonization
实验完整度
高包含跨数据集插补基准测试、模拟缺失实验、跨平台（电离模式）验证及差异丰度生物学验证等至少两个独立证据层级。
主要模型
九组泛癌代谢组学数据集（含肿瘤和正常样本） 肾癌数据集（RC12和RC3） CCLE癌细胞系代谢组学数据集
重点核对
数据集样本量和特征数量（详见补充表S1） 模拟缺失比例（10%的代谢物特征） 重复试验次数（每个数据集200次） 嵌入维度数量（通过交叉验证选择，范围3-48）
摘要
在给定样本中成千上万的代谢物中，大多数代谢组学实验仅测量数百个，且不同实验平台之间的重叠度很低。在此，我们描述了MIRTH（Metabolite Imputation via Rank-Transformation and Harmonization，通过秩变换和协调实现代谢物插补），一种通过联合建模具有异质性代谢物覆盖度的数据集间的代谢物协变来插补未测量代谢物丰度的方法。MIRTH在单数据集内和跨多个独立检测的数据集间均能成功恢复被掩蔽的代谢物丰度。MIRTH证明了关于未测量代谢物的潜在信息嵌入在现有的代谢组学数据中，可用于产生新的假说并简化现有的代谢组学工作流程。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何利用多个代谢组学数据集中的潜在信息，准确插补未测量的代谢物丰度？
- 核心机制
- 通过秩变换将不同数据集中的相对丰度映射到可比较的尺度，利用非负矩阵分解联合建模代谢物之间的协变关系，从而学习低维嵌入并插补缺失的代谢物。
- 主要证据
- 在九个泛癌代谢组学数据集的模拟缺失实验中，多数代谢物的预测秩与真实秩显著相关；在肾癌数据中，跨数据集插补的代谢物差异丰度与实测数据高度一致；跨电离模式插补也取得良好效果。
- 研究意义
- MIRTH表明现有代谢组学数据中嵌入关于未测量代谢物的潜在信息，可用于产生新假说、简化代谢组学工作流程，并有望通过测量少量预测性代谢物来降低成本。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
聚合数据矩阵构建
合并多个数据集以形成稀疏的聚合矩阵，用于矩阵分解。
将预处理后的数据集合并为聚合矩阵X，行对应样本，列对应所有代谢物特征，缺失条目（包括未测量和左删失）占79.4%。
NMF矩阵分解与插补
通过非负矩阵分解学习样本和特征的嵌入，并预测缺失值。
使用SciPy的优化器和L-BFGS-B算法最小化损失函数，分解聚合矩阵为W和H，然后重构得到插补矩阵。
性能评估
量化插补准确度，包括数据集内和跨数据集插补。
通过模拟缺失（掩蔽部分特征）和比较预测秩与真实秩，计算Spearman相关系数，并进行多次试验汇总。
生物学验证
验证跨数据集插补结果是否保留生物学特征，如肿瘤与正常组织的差异。
在肾癌数据集RC12和RC3中，比较跨数据集插补的代谢物差异丰度（肿瘤 vs 正常）与实测数据的差异丰度。
跨电离模式插补
评估从一种电离模式预测另一种电离模式测量的可行性。
使用同时具有正负离子模式的数据集，掩蔽一半样本中仅在一个模式测量的代谢物，然后进行插补并评估性能。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据处理与优化 | SciPy | -- | -- |
| autograd-minimize | -- | -- | |
| L-BFGS-B | -- | -- | |
| 矩阵分解 | scikit-learn NMF | -- | -- |
| 可视化 | UMAP | -- | -- |
| 数据可视化 | R | -- | -- |
| 数据预处理 | Python | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据预处理 | 归一化方法（TIC归一化）和秩变换的具体参数 阅读提示：Methods中'Normalization'和'Rank-transformation'部分 |
| 矩阵分解 | 嵌入维度k的选择（通过交叉验证） 阅读提示：Methods中'Cross-validation'部分 |
| 插补性能评估 | 模拟缺失的比例、重复试验次数、评价指标（Spearman ρ）和显著性阈值 阅读提示：Methods中'Evaluating MIRTH\'s performance'部分 |
| 跨数据集插补 | 目标数据集选择、掩蔽特征比例（10%）、试验次数（200）、嵌入维度范围 阅读提示：Results中'Recovering missing metabolites across datasets'部分及Methods |
| 生物学验证 | 差异丰度分析中使用的统计检验（Wilcoxon）和多重检验校正方法（BH） 阅读提示：Results中'MIRTH recovers missing metabolites by transferring knowledge across datasets'部分 |
| 跨电离模式插补 | 数据集的样本特征、掩蔽设计（掩蔽一半样本中的一个模式的测量）、试验次数 阅读提示：Results中'MIRTH imputes metabolites across MS ionization modes'部分 |