對缺失值的處理，簡(jiǎn)單粗暴的方法是直接去除所有含有缺失的代謝物，對于一些代謝物如果是在樣本中大量缺失（比如超過(guò)了50%）確實(shí)可以舍棄，而少量缺失如果丟棄則可能會(huì )丟失一些有重要生物學(xué)意義的代謝物，所以對于少量缺失，較為穩妥的辦法就是用值填補。比較簡(jiǎn)單的方法是用0值、均值、中值或最小值的一半進(jìn)行填補，復雜一點(diǎn)的則是使用機器學(xué)習的算法如鄰近算法（KNN）、隨機森林（RF）、奇異值分解（SVD）等方法。由于代謝組目前可分為靶向和非靶向兩大類(lèi)型，在不同的類(lèi)型中往往是采取不同的處理辦法。有研究者認為非靶向的推薦使用KNN算法（Do et al.,2018）；也有認為GC-MS數據使用隨機森林方法（Gromski et al.,2014）；還有的則認為需要按缺失類(lèi)型，對于完全非隨機缺失的可使用最小值的一半進(jìn)行填補，完全隨機缺失或隨機缺失的使用隨機森林方法（Wei et al.,2018）。所以目前沒(méi)有統一的標準。

標準化主要是為了去除實(shí)驗、技術(shù)等帶來(lái)的誤差，常見(jiàn)的方法有：內標，即代謝物除以?xún)葮素S度，可用于GC-MS；總峰面積標準化，即代謝物除以所有代謝物的總峰面積，可用于非靶向LC-MS；對數變換即直接對豐度取對數，LC-MS和GC-MS都有用到；PQN （Probabilistic Quotient Normalization）即每個(gè)代謝物除以了一個(gè)稀釋因子，這個(gè)因子則是依賴(lài)于樣本與參考樣本比值的分布，在NMR分析中被認為是一種穩健的方法；此外還有均值標準化、分位數標準化、中值標準化、z-score標準化等（Li et al.,2017），這些方法也可以結合使用（Di et al.,2016）。不同方法可能會(huì )引起不同分析目的的差異，比如進(jìn)行差異分析的時(shí)候，使用分位數方法可能比PQN方法好，而在進(jìn)行代謝標志物篩選時(shí)，則表現差不多（Li et al.,2017）。因此，在分析的時(shí)候也可多嘗試一些標準化的方法。

總的來(lái)說(shuō)，缺失值和標準化的處理方法目前并無(wú)完全統一的標準，需要結合具體的實(shí)驗方法、目的進(jìn)行多次的調試以達到所期望的目標。目前，百邁客云上的代謝組分析平臺已包含上述部分處理方法，操作簡(jiǎn)單，分析速度快，后續也會(huì )不斷增加更多的處理方式以滿(mǎn)足不同需求。

參考文獻：

[1]?Do K T, Wahl S, Raffler J, et al. Characterization of missing values in untargeted MS-based metabolomics data and evaluation of missing data handling strategies[J]. Metabolomics, 2018, 14(10): 128.

[2] Gromski P, Xu Y, Kotze H, et al. Influence of missing values substitutes on multivariate analysis of metabolomics data[J]. Metabolites, 2014, 4(2): 433-452.

[3] Wei R, Wang J, Su M, et al. Missing value imputation approach for mass spectrometry-based metabolomics data[J]. Scientific reports, 2018, 8(1): 663.

[4]?Di Guida R, Engel J, Allwood J W, et al. Non-targeted UHPLC-MS metabolomic data processing methods: a comparative investigation of normalisation, missing value imputation, transformation and scaling[J]. Metabolomics, 2016, 12(5): 93.

[5]?Li B, Tang J, Yang Q, et al. NOREVA: normalization and evaluation of MS-based metabolomics data[J]. Nucleic acids research, 2017, 45(W1): W162-W170.