多元统计分析
由于代谢组数据具有多维且某些变量间高度相关的特点，运用传统的单变量分析无法快速、充分、准确地挖掘数据内潜在的信息。因此在分析代谢组数据时需要运用多元统计的方法，如PCA、PLS-DA、OPLS-DA，最大程度保留原始信息的基础上，对数据进行降维和回归分析，然后进行差异代谢物的筛选及后续分析。

标准化处理
通常，在对代谢组学数据进行多元统计分析之前, 需要将数据进行适当权重转换，即标准化（scaling）处理。目前代谢组学研究常用的数据标准化方式有中心化处理（Mean-centering and not scaling, Ctr）、自适换算（Autoscaling， Mean-centering and scaled to unit variance, UV）、帕莱托换算（Pareto scaling，Mean-centering and scaled to pareto variance，Par）等。
本实验在多元统计分析前对数据进行自适（UV) 换算处理，以获得更加可靠且直观的结果。

具体分析方法
本分析中使用R语言Ropls包[1]方法有：

  1. 主成分分析（Principal Component Analysis, PCA）；
  2. 偏最小二乘判别分析（Partial Least Squares-Discriminant Analysis, PLS-DA）；
  3. 正交-偏最小二乘判别分析(Orthogonal Partial Least Squares Discriminant Analysis, OPLS-DA）。