植物代谢组学及其应用.ppt

Examples： Aharoni等(2002)利用高分辨率的FTIR/MS联用仪器对凤梨草莓(Fragaria ananassa)组织进行了分析,依据不同的质荷比找到了5 844个不同质量的物质,并根据对化合物中高含量的元素的精确质量测定估计了其中一半以上物质的化学结构式。 结果表明,在草莓的不同组织中都含有多种类的初生代谢物(如氨基酸、脂肪酸和碳水化合物)及次生代谢物(如类黄酮和萜类化合物)。 * PPT课件 4、数据分析与解释 样品成分分析鉴定之后,需要对所获得的数据进行相应的整合处理,这也是代谢组学研究中十分关键的步骤。应用高通量的检测分析工具可以得到海量的数据,如果不对其进行合理的处理,这些纷扰的数据反而对研究工作是有害无利的。可应用模式识别和多维统计分析等方法从这些大量的数据中获得有用的信息,这些方法能够为数据降维,使它们更易于可视化和分类。 目前数据分析常用的方法有两类： ●非监督方法(unsupervised method) ●有监督方法(supervised method) * PPT课件 （1）非监督（学习）方法 非监督方法是用来探索完全未知的数据特征的方法,对原始数据信息依据样本特性进行归类,把具有相似特征的目标数据归在同源的类里,并采用相应的可视化技术直观地表达出来。 应用在此领域的常见方法有: ●聚类分析(cluster analysis) ●主成分分析(principal components analysis,PCA) * PPT课件 聚类分析： 依据物以类聚的原理分析具有相似性的事物,将分类对象置于一个多维空间中,根据事物彼此不同的属性进行辨认,将性质相近的归入一类,这样归在同一类的事物具有高度的相似性;聚类分析就是把事物按其相似程度进行分类,并找出每一类事物共同特征的分析工具。 具体到代谢组学中,被归入一类的物质有相同的特征,可能有相同的功能作用,这样通过同一类事物中一个研究较为清晰的物质可以推断该类中其他物质的功能作用。 聚类分析过程通常可分为以下步骤: 数据收集并且收集相应的变量→产生一个相似矩阵→决定把目标总体细分为几类→对每一种类别相应的定义→实施聚类分析→产生结果。 * PPT课件 主成分分析(PCA): PCA是目前应用最为广泛的多维分析方法之一。其特点是将分散在一组变量上的信息集中到某几个综合指标,即主成分(principal component,PC)上,利用这些主成分来描述数据集内部结构,实际上也起着数据降维的作用。 主成分是由原始变量按一定的权重经线性组合而成的新变量。这些变量具有以下性质: ◆每一个PC之间都是正交的; ◆第1个PC包含了数据集的绝大部分方差,第2个次之,依此类推。 这样,由头2个或3个PC作图,就能够很好地代表数据集所包含的生物化学变化。 * PPT课件 如果存在一些有关数据的先验消息和假设,有监督方法比非监督方法更适合且更有效。 有监督方法在已有知识的基础上建立信息组(class information),并利用所建立的组对未知数据进行辨识、归类和预测。 在这类方法中,由于建立模型时有可供学习利用的训练样本,所以称为有监督学习。 应用于该领域的常见方法有： ●线性判别分析(linear discrimination analysis) ●偏最小二乘法-显著性分析(PLS-discrimination analysis) ●人工神经元网络(artificial neural networksANN） （2）有监督（学习）方法 * PPT课件 (3)网上数据库 在信息时代,利用网络资源进行研究是必不可少的。而对千头万绪的植物代谢物研究,建立相应的网上数据库也是势在必行的。这些数据库的建立也有利于联结代谢组学与其他系统生物学分支的关系. 目前,最为成熟的数据库是关于模式植物拟南芥的: The Arabidopsis Information Resource (TAIR) 。 其他常用的网上植物资源有: http://www.york.ac.uk/res/garnet/garnet.htm http://www.genome.ad.jp/kegg/pathway.html * PPT课件 此外网上已有一些与代谢和代谢组学有关的数据库,主要介绍以下几个: 是一个涵