2 LC-MS代谢组学分析流程与方法

    LC-MS代谢组学分析先通过LC-MS对全部或部分代谢产物进行代谢轮廓分析，然后通过多元统计学方法进行模式识别等数据处理，最后做出合理的代谢阐释。具体流程见图1。

    需要严格设计并收集充足的中药样品，降低源于组内个体差异而造成的影响，增强实验分析结果的代表性或普适性。样品前处理主要在于能最大程度地提取样品所包含的代谢物信息，以及除杂，增强检测的灵敏度。LC-MS数据采集能包含样品中绝大多数化合物分子信息，获取中药整体代谢轮廓，并通过滤噪、峰对齐、峰补齐，降低数据中高噪音、高缺失和高度变异性对多元统计分析的影响，再将数据归一化、标准化等数据预处理得到数据矩阵[10-11]。

    经过预处理后的数据矩阵进行后续的多元统计分析，常用的统计学方法有主成分分析(PCA)[12]、聚类分析(HCA)[13]、正交偏最小二乘法-判别分析(OPLS-DA)[14]等。目前可进行模式识别分析软件主要包括MATLAB、SAS、SIMCA-P、R軟件等，其中SIMCA-P在代谢组学中应用广泛。

    中药代谢组学数据阐释主要分为两个方面 ......