高维统计学在代谢组学批次效应中的应用

在大规模代谢组学研究中，批次效应不可避免。在正式数据分析之前，需应用批次效应校正 (BEC) 以防止掩盖生物学变异，批次效应评估 (BEE) 用于评估校正效果。然而，现有 BEE 算法忽略变量之间的协方差，现有 BEC 算法可能未能充分校正这些协方差。因此，我们借鉴高维统计学的最新进展，分别提出“基于质量控制的同时检测 (QC-ST)”和“协方差校正 (CoCo)”。通过仿真数据验证，QC-ST 能同时检测不同批次中 QC 样本均值向量和协方差矩阵的统计显著性，在经验尺度、经验功效和计算速度方面均表现良好。随后，我们将四种基于 QC 的 BEC 算法应用于两个大型队列数据集，发现极端梯度提升 (XGBoost) 在相对标准偏差 (RSD) 和 dispersion-ratio (D-ratio) 指标上表现最佳。在预正式 BEC 之后，若 QC-ST 仍指出某些两个批次之间存在显著批次效应，应采用 CoCo。经 CoCo 校正后（如有必要），四项指标（即 RSD、D-ratio、分类性能和 QC-ST）可能进一步改善。总之，在 QC-ST 的指导下，我们可以发展出将多个 BEC 算法更合理、更灵活地集成的匹配策略，从而可靠地最小化批次效应，以得出可靠的生物学结论。