- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
教程导读：一份样本的代谢组学之旅
代谢组学（Metabolomics） 是系统性地测量生物体系内小分子代谢物（分子量通常小于 1500 Da）并解读其变化规律的科学。它与基因组学、转录组学、蛋白质组学并列，但离表型最近——基因告诉你"可能发生什么"，代谢物告诉你"正在发生什么"。本教程以一份临床样本从采集到给出生物学结论的完整工作流为主线，串起实验设计、仪器分析、数据处理与结果解读的全部环节。
这本教程怎么读
代谢组学最容易被讲成一堆孤立的知识点：质谱原理一堆公式、统计方法一堆名词、通路图一大张。初学者学完往往还是不知道一份血浆样品到手后第一步该干什么。
所以这本教程不按"知识点分类"组织，而按工作流站点组织。你把整本书想象成跟着一份血浆样本走一遍流水线：
全流程一张图
每一章就是流水线上的一个站点。你在任何一章迷路了，回到这张图，就能找到自己的位置。
各章速览
- 第 1 章 代谢组学是什么：四种范式（非靶向/靶向/通量组/脂组学）、为什么代谢物离表型最近。
- 第 2 章 代谢物化学基础：糖、脂、氨基酸、胆汁酸这些分子的性质差异，为什么"一种平台测不了所有东西"。
- 第 3 章 实验设计与样本处理：多少例样本才够、血浆怎么采、QC 怎么排。
- 第 4 章 分析平台：LC-MS、GC-MS、NMR 各自的脾气与适用场景。
- 第 5 章 数据处理：从几个 GB 的原始文件到一张差异代谢物表格，中间发生了什么。
- 第 6 章 应用案例：疾病标志物、作物育种、环境监测中的真实工作流。
- 第 7 章 前沿与挑战：AI 打分鉴定、空间代谢组学、可重复性危机。
- 第 8 章 生态与最佳实践：数据库、工具链、报告规范（MSI 分级）。
适合谁读
写过实验方案的研究生、刚接手代谢组学数据的分析人员、审稿时要判断代谢组学文章可信度的临床研究者。不要求质谱或编程基础，但每章会给出可上手的 R/Python 片段——代谢组学的坑大半在数据里，不动手看不懂。
一句忠告先放在这：代谢组学里最贵的不是仪器，是设计失误的样本。带着这句话往下读。
一个务实的阅读提示：代谢组学是一门"数据从机器里来、结论从统计里出"的学科，只读概念不动手数据，理解会停留在名词层面。本教程在每章都放了可以直接运行的数值实例——从质检样本的变异系数计算，到偏最小二乘判别分析的交叉验证——建议读者边读边跑，用自己的数据替换示例矩阵。若你来自生物学背景，重点读第 1、2、6 章，第 3–5 章的参数部分可与实验室的 SOP 对照；若你来自分析化学或数据科学背景，第 3–5 章是主场，第 6 章的案例提供了真实的问题语境。全书约定：代谢物浓度默认以 μM 计，质谱数据默认 centroid 模式，统计显著性默认 α = 0.05 且强调多重检验校正。
最后给出全书的"最小上手包"：一台装了 Python 3 与 R 的电脑、MetaboAnalyst 网页账号、一份 MetaboLights 上的公开数据集，即可完成从峰表到通路图的全部练习。阅读时间预算：通读约八小时，带跑全部脚本约二十小时。祝愿这份教程成为你第一份代谢组学数据的同行者。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...