基于FDR控制的非靶向代谢组学鉴定与定量一体化工作流程

本方案基于错误发现率（FDR）质量控制，实现对非靶向代谢组的定性和定量分析，可有效降低代谢物鉴定中的假阳性结果。该工作流程整合了XY-Meta工具，在定性分析模块中采用靶向-诱饵策略，更准确地评估代谢物鉴定的FDR。该措施可有效过滤非靶向代谢组鉴定中的假阳性结果，从而提高生物标志物或关键分子发现的稳健性。

我们期望研究人员能够理解并掌握用于控制错误发现率（FDR）的目标-诱饵（target-decoy）策略，并应尝试使用本方案的默认参数严格运行该流程数次。首先访问 GNPS 数据库网页，点击浏览数据集，在标题栏中搜索关键词，然后点击数据集编号。

使用FTP下载数据集，并将原始数据保存到相应文件夹中。为转换原始数据的格式，首先安装ProteoWizard软件。在ProteoWizard的安装路径下，输入msconvert命令。

exe，然后使用特定参数将原始数据格式转换为 mzXML 格式。再次使用 msconvert.exe 将此数据转换为 MGF 格式，并将其存储在 MGF 文件夹中。

为制备代谢物的参考谱库，请访问 GNPS 网站。搜索关键词 NIST，点击“查看”以获取详细信息并下载该谱库。将谱库保存至数据库文件夹中。

下载 XY-Meta 程序。在 config 文件夹下找到参数配置文件，并根据文本方案中的描述修改其内容。在 adduct 文件夹中将加合物的类型设置为列表形式。

使用命令 XY-Meta.exe 进行代谢物鉴定和假发现率控制。下载并安装 metaX 软件包，然后编辑样本列表。

使用文本方案中所述的 txt 文件来指定样品及其对应的质谱数据。利用文本方案中提供的 R 文件，通过 metaX 软件运行脚本，对对照组和野生型组进行定量分析。检查输出文件夹，其中存储了定量分析结果，例如 PCA 图。

接下来，修改 R 脚本中的参数，利用代谢物鉴定结果对峰进行定性和定量分析注释，以整合两种结果并运行 R 脚本。定量代谢物的箱线图显示，健康样本与疾病样本的总体分布相似，均值波动较小。仅有 3.39% 的代谢物缺失值超过 30%。

来自两组样本的主成分分析图显示，metaX 显著提高了变异系数小于 0.3 的代谢物比例。三种统计检验方法所检测到的差异代谢物的维恩图揭示了 119 种共有代谢物。对所有已注释代谢物的保留时间和质荷比分布进行作图，错误发现率小于 0.01，结果显示有六种显著且差异检测到的代谢物。

进行工作流程测试时，必须控制测试时间。请注意，分析的样本数量不宜过多，且每组至少保留两个样本。该技术通过基于错误发现率（FDR）控制的谱图匹配结果，利用数据非依赖性采集（data independent acquisition）数据构建更为稳健的参考谱图数据库，从而实现对代谢物鉴定的质量控制。