导语
机器学习（Machine learning，ML）技术在代谢组学领域中的应用对推动代谢组学研究的发展功不可没。随着质谱设备的灵敏度越来越高，非靶向特征的数量级会成倍增加，使用ML方法，例如主成分分析（PCA）、线性判别分析（LDA）和自动编码器等，能够更轻松地展现样本的全局特征。ML不止局限于生物信息数据分析，前端数据的处理（如质谱的峰对齐和质谱中的自动靶向注释），ML也可用于疾病风险筛查和早期诊断的研究，尤其在肿瘤、心血管疾病、代谢类疾病等遗传与环境联合作用的复杂疾病研究领域。ML作为处理大量数据、构建研究模型的强有力工具获得广泛的应用。脉图健康将不定期推出关于ML相关知识的介绍，欢迎大家持续关注。

主成分分析（PCA）
主成分分析（PCA）是最常见的代谢组学分析方法， 它利用正交变换（Orthogonal transformation）来对一系列可能相关的变量的观测值进行线性变换（Lineartransformation），从而投影为一系列线性不相关变量的值，即主成分（Principal components）。其中，这一数据的任何投影的第一大方差在第一个坐标（称为第一主成分或PC1）上，第二大方差在第二个坐标（第二主成分或PC2）上，依次类推。简单来说，该方法就是通过将高维度特征进行降维处理，从而达到展现数据主要成分的目的。如下图所示：图中第2、3和4三种平面展现的是房屋的部分特征，其中任意一张图皆不能完全显现房屋全貌，为了能在平面上展现房屋的主要全貌（图1），则可以相对全面的在平面图像里展现改房屋全貌，这是主成分分析的核心思想。图1 （ 模板来源：https://templates.office.com/en-us/fabrikamresidences-the-ultimate-in-modern-livingtm16411224）

偏最小二乘回归（PLS）
主成分分析法（PCA）的局限性是用以解释X的最大变化的旋转和降维并不能保证产生可预测y的潜在特征，换句话说，PCA的空间向量极易受到高权重响应变量的影响，低权重响应向量则在整体主成分中作用微乎甚微。因此更加高阶的监督学习方 法， 如偏最小二乘回归（Partial least square regression，PLS）、尤其是适用于处理离散变量的PLS-DA （ PLS-DiscriminantAnalysis，即判别分析）常常被用来处理更加复杂的特征区分。PLS分析的基本目标是将数据投影到潜在变量空间中，以使特征空间X和响应Y之间的协方差最大化，这样允许在自变量存在严重多重相关性(Multicollinearity)的条件下同样可以进行回归建模。

PCA和PLS-DA分析是代谢组学研究中常见的分析方法。利用PCA技术和PLS/PLS-DA分析技术，能够帮助研究者判断数据的质量，发现样本组间差异、寻找差异代谢物及候选分子标记物。

本期开启了小编的机器学习（ML）代谢组学之旅，未来小编将与脉图的技术专家一起带来更多的ML技术知识分享给感兴趣的小伙伴们！