精华内容
下载资源
问答
  • 代谢组学数据分析的统计学方法综述
    万次阅读 多人点赞
    2018-10-01 21:34:14

    转自:https://mp.weixin.qq.com/s/XThAKeSBriHbeYKlU96pmA

    代谢组学研究产生大量的数据,这些数据具有高维、小样本、高噪声等复杂特征。如何从复杂的代谢组学数据中提取出有价值的信息,筛选出潜在的生物标志物成为近年来代谢组学研究的热点和难点。据此,本文针对目前代谢组学数据分析中的常用统计学方法及其研究进展进行介绍。

     

    代谢组学数据的特点

    代谢组学是系统生物学领域中继基因组学和蛋白质组学之后新近发展起来的一门学科,它通过检测生物体在受到外源刺激或基因修饰后其体内代谢物质的变化来探索整个生物体的代谢机制

    其研究对象为生物体内所有内源性小分子代谢物(分子量<1000Da) 。

    研究手段为高通量检测技术和数据处理方法,最终目标是数据建模和生物标志物的筛选。

    生物样品如血浆、尿液、组织等,经过GC/MS、NMR、LC/MS 等高通量仪器检测后,得到大量的图谱数据,使用XCM等软件对这些图谱数据进行转换,获得用于统计分析的标准格式的数据。

    归纳起来,代谢组学数据具有以下特点:

    • 高噪声:生物体内含有大量维持自身正常功能的内源性小分子,具有特定研究意义的生物标志物只是其中很少一部分,绝大部分代谢物和研究目的无关。

    • 高维、小样本:代谢物的数目远大于样品个数,不适合使用传统的统计学方法进行分析,多变量分析容易出现过拟合和维数灾难问题。

    • 高变异性:一是不同代谢物质的理化性质差异巨大,其浓度含量动态范围宽达7~9个数量级,二是生物个体间存在各种来源的变异,如年龄、性别都可能影响代谢产物的变化,三是仪器测量受各种因素影响,容易出现随机测量误差和系统误差,这使得识别有重要作用的生物标志物可能极其困难。

    • 相互作用关系复杂:各种代谢物质可能不仅具有简单的相加效应,而且可能具有交互作用,从而增加了识别这些具有复杂关系的生物标志物的难度。

    • 相关性和冗余性:各种代谢物并非独立存在,而是相互之间具有不同程度的相关性,同时由于碎片、加合物和同位素的存在使得数据结构存在很大的冗余性,这就需要采用合理的统计分析策略来揭示隐藏其中的复杂数据关系。

    • 分布的不规则和稀疏性: 代谢组学数据分布不规则,而且数据具有稀疏性(即有很多值为零) ,因此,传统的一些线性和参数分析方法此时可能失效。

     

    数据的预处理

    代谢组学数据分析的目的是希望从中挖掘出生物相关信息,然而,代谢组学数据的变异来源很多,不仅包括生物变异,还包括环境影响和操作性误差等方面。

    处理手段主要包括归一化(standardization) 、标准化(normalization) ,即中心化(centering) 和尺度化(scaling),以及数据转换(transformation)。

    归一化是针对样品的操作,由于生物个体间较大的代谢物浓度差异或样品采集过程中的差异(如取不同时间的尿样) ,为了消除或减轻这种不均一性,一般使用代谢物的相对浓度,即每个代谢物除以样品的总浓度,以此来校正个体差异或其他因素对代谢物绝对浓度的影响。

    标准化是对不同样品代谢物的操作,即统计学意义上的变量标准化。标准化的目的是消除不同代谢物浓度数量级的差别,但同时也可能会过分夸大低浓度组分的重要性,即低浓度代谢物的变异系数可能更大。

    数据转换是指对数据进行非线性变换,如log转换和power转换等。数据转换的目的是将一些偏态分布的数据转换成对称分布的数据,并消除异方差性的影响,以满足一些线性分析技术的要求。不同的预处理方法会对统计分析结果产生不同的影响(见表1) ,在实际应用中,我们应该根据具体的研究目的﹑数据类型以及要选用的统计分析方法综合考虑,选择适当的预处理方式。例如,Robert A. van den Berg等(2006) 通过实际代谢组学数据的分析发现,选用不同预处理方法在很大程度上影响着主成分分析(PCA) 的结果,自动尺度化(auto scaling)和全距尺度化(range scaling) 在对代谢组学数据进行探索性分析时表现更优,其PCA 分析后的结果在生物学上能够得到更合理的解释。

     

    单变量分析方法

    单变量分析方法简便﹑直观和容易理解,在代谢组学研究中通常用来快速考察各个代谢物在不同类别之间的差异。

    代谢组学数据在一般情况下难以满足参数检验的条件,使用较多的是非参数检验的方法,如Wilcoxon 秩和检验或Kruskal-Wallis 检验,t’检验也是一种比较好的统计检验方法。

    由于代谢组学数据具有高维的特点,所以在进行单变量分析时,会面临多重假设检验的问题。如果我们不对每次假设检验的检验水准α进行校正,则总体犯一类错误的概率会明显增加。

    一种解决方法是采用Bonferion校正,即用原检验水准除以假设检验的次数m作为每次假设检验新的检验水准(α/m) 。由于Bonferion校正的方法过于保守,会明显降低检验效能,所以在实际中更为流行的一种做法是使用阳性发现错误率(false discovery rate,FDR) 。

    这种方法可用于估计多重假设检验的阳性结果中,可能包含多少假阳性结果。FDR 方法不仅能够将假阳性的比例控制在规定的范围内,而且较之传统的方法在检验效能上也得到显著的提高。

    实际中也可以使用局部FDR(用fdr表示) ,其定义为某一次检验差异显著时,其结果为假阳性的概率。局部FDR 的使用,使得我们能够估计出任意变量为假阳性的概率,通常情况下有FDR≤fdr。

    除了进行传统的单变量假设检验分析,代谢组学分析中通常也计算代谢物浓度在两组间的改变倍数值(fold change) ,如计算某个代谢物浓度在两组中的均值之比,判断该代谢物在两组之间的高低表达。计算ROC 曲线下面积(AUC) 也是一种经常使用的方法。

     

    多变量分析

    代谢组学产生的是高维的数据,单变量分析不能揭示变量间复杂的相互作用关系,因此多变量统计分析在代谢组学数据分析中具有重要的作用。

    总体来说,代谢组学数据多变量统计分析方法大致可以分为两类:

    • 一类为非监督的学习方法,即在不给定样本标签的情况下对训练样本进行学习,如PCA、非线性映射(NLM) 等;

    • 另一类为有监督的学习方法,即在给定样本标签的情况下对训练样本进行学习,如偏最小二乘判别分析(PLS-DA) 、基于正交信号校正的偏最小二乘判别分析(OPLS-DA) 、人工神经网络(ANN) 、支持向量机(SVM) 等。其中,PCA、PLS-DA和OPLS-DA是目前代谢组学领域中使用最为普遍的多变量统计分析方法。

     

    PCA

    PCA是从原始变量之间的相互关系入手,根据变异最大化的原则将其线性变换到几个独立的综合指标上(即主成分) ,取2~3个主成分作图,直观地描述不同组别之间的代谢模式差别和聚类结果,并通过载荷图寻找对组间分类有贡献的原始变量作为生物标志物。通常情况下,由于代谢组学数据具有高维、小样本的特性,同时有噪声变量的干扰,PCA的分类结果往往不够理想。

    尽管如此,PCA作为代谢组学数据的预分析和质量控制步骤,通常用于观察是否具有组间分类趋势和数据离群点。在组间分类趋势明显时,说明其中一定有能够分类的标志物。

    PCA还可以用于分析质控样品是否聚集在一起,如果很分散或具有一定的变化趋势,则说明检测质量存在一定的问题。Zhang Zhiyu 等(2010) 通过PCA 成功区分了骨肉瘤患者和正常人,并发现良性骨肿瘤患者中有两例是异常值。Kishore K. Pasikanti 等(2009) 利用PCA 对尿液膀胱癌代谢组学数据进行分析后观察到质控样品在PCA得分图上紧密聚集,从而验证了仪器检测的稳定性和代谢组学数据的可靠性。

    PLS-DA

    PLS-DA 是目前代谢组学数据分析中最常使用的一种分类方法,它在降维的同时结合了回归模型,并利用一定的判别阈值对回归结果进行判别分析。ZhangTao 等(2013) 运用PLS-DA技术分析尿液卵巢癌代谢组学数据,成功将卵巢癌患者和良性卵巢肿瘤患者以及子宫肌瘤患者相互鉴别,并鉴定出组氨酸、色氨酸、核苷酸等多种具有判别能力的卵巢癌生物标志物。

    PLS的思想是,通过最大化自变量数据和应变量数据集之间的协方差来构建正交得分向量(潜变量或主成分) ,从而拟合自变量数据和应变量数据之间的线性关系。

    PLS的降维方法与PCA 的不同之处在于PLS 既分解自变量矩阵也分解应变量矩阵,并在分解时利用其协方差信息,从而使降维效果较PCA 能够更高效地提取组间变异信息

    当因变量Y为二分类情况下,通常一类编码为1,另一类编码为0或-1;当因变量Y为多分类时,则需将其化为哑变量。通常,评价PLS-DA 模型拟合效果使用R2X、R2Y和Q2Y这三个指标,这些指标越接近1 表示PLS-DA 模型拟合数据效果越好。其中,R2X 和R2Y 分别表示PLSDA分类模型所能够解释X 和Y 矩阵信息的百分比,Q2Y 则为通过交叉验证计算得出,用以评价PLS-DA模型的预测能力,Q2Y 越大代表模型预测效果较好。

    实际中,PLS-DA 得分图常用来直观地展示模型的分类效果,图中两组样品分离程度越大,说明分类效果越显著。代谢组学数据分析中另一种常用的方法是OPLS-DA,它是PLS-DA 的扩展,即首先使用正交信号校正技术,将X 矩阵信息分解成与Y 相关和不相关的两类信息,然后过滤掉与分类无关的信息,相关的信息主要集中在第一个预测成分。Johan Trygg 等认为该方法可以在不降低模型预测能力的前提下,有效减少模型的复杂性和增强模型的解释能力。

    与PLSDA模型相同,可以用R2X、R2Y、Q2Y 和OPLS-DA 得分图来评价模型的分类效果。Carolyn M. Slupsky 等(2010) 使用OPLS-DA 发现卵巢癌患者、乳腺癌患者、正常人这三者之间的尿液代谢轮廓显著不同,从而推断尿液代谢组学可能为癌症的特异性诊断提供重要依据。

     

    由于代谢组学数据具有高维小样本的特性,使用有监督学习方法进行分析时很容易产生过拟合的现象

    为此,需要使用置换检验考察PLS-DA 在无差异情况下的建模效果。该方法在固定X 矩阵的前提下,随机置换Y分类标签n次,每次随机置换后建立新的PLS-DA 模型,并计算相应的R2Y 和Q2Y; 然后,与真实标签模型得到的结果进行比较,用图形直观表达是否有过拟合现象。

    由于样本量的不足,通常采用上述的交叉验证和置换检验方法作为模型验证方法。而实际中,在样本量允许的情况下,最为有效的模型验证方法即将整个数据集严格按照时间顺序划分为内部训练数据和外部测试数据两部分,利用内部训练数据建立模型,再对外部测试数据进行预测,客观地评价模型的有效性和适用性

     

    生物标志物的筛选

    代谢组学分析的最终目标是希望从中筛选出潜在的生物相关标志物,从而探索其中的生物代谢机制,因此需要借助一定的特征筛选方法进行变量筛选。

    对于高维代谢组学数据的特征筛选,研究的目的是从中找出对样本分类能力最强或较强的一个或若干个变量。特征筛选方法主要分为三类: 过滤法封装法和嵌入法

    • 过滤法主要是采用单变量筛选方法对变量进行筛选,优点是简单而快捷,能够快速的降维,如t’检验、Wilcoxon秩和检验、SAM等方法。

    • 封装法是一种多变量特征筛选策略,通常是以判别模型分类准确性作为优化函数的前向选择、后向选择和浮动搜索特征变量的算法,它通常是按照“节省原则”进行特征筛选,最终模型可能仅保留其中很少部分的重要变量,如遗传算法等。

    • 嵌入法的基本思想是将变量选择与分类模型的建立融合在一起,变量的重要性评价依靠特定分类模型的算法实现,在建立模型的同时,可以给出各变量重要性的得分值,如PLS-DA方法的VIP统计量等。

    为了更加客观、全面地评价每个变量的重要性,代谢组学研究中一般采取将上述方法结合起来的方式进行变量筛选。比较常见的一种策略是先进行单变量分析,再结合多变量模型中变量重要性评分作为筛选标准,如挑选fdr≤0.05 和VIP>1.5的变量作为潜在生物标志物。

    用筛选的潜在生物标志物对外部测试数据集进行预测,评价其预测效果。最后,可以通过研究生物标志物的生物学功能和代谢通路,分析不同生物标志物之间的相互作用和关系,从而为探索生物代谢机制提供重要线索和信息。

    Yang Jinglei 等(2013) 即在代谢组学分析中使用fdr≤0.2和VIP>1.5的双重标准来筛选精神分裂症的特异生物标志物,所筛选出的差异代谢物其AUC 在训练数据中达94. 5%,外部测试数据中达0. 895。

    更多相关内容
  • 我们采用了全球代谢组学分析方法来筛选民航中空中交通管制员(ATC)因精神疲劳而发生的生化变化。 总共招募了45名男性ATC(两批)作为两个精神疲劳小组,并由23名执行人员作为对照组。 志愿者在工作前后收集尿液...
  • #资源达人分享计划#
  • #资源达人分享计划#
  • SCMA:单细胞代谢组学分析 安装 从PyPI安装 python -m pip install --index-url https://test.pypi.org/simple/ --no-deps scma==0.1.1 从GitHub安装 git clone https://github.com/tkisss/SCMA.git cd SCMA python ...
  • 玉米幼苗根系响应盐胁迫代谢组学分析,韩雨,杨克军,为研究盐胁迫下玉米幼苗根系的代谢变化,本实验利用液相色谱/质谱(LC-Q/TOF-MS)的代谢组学技术分析了NaHCO3胁迫下玉米幼苗根系在不同时�
  • 可进行代谢组数据的可视化分析,Module Overview如下,包括Biomarker Analysis/ Enrichment Analysis/Pathway Analysis/Joint Pathway Analysis/Network Analysis以及各种封图分析等,基本送测公司的报告里头的结果...

    MetaboAnalyst 5.0

    MetaboAnalyst 5.0

    可进行代谢组数据的可视化分析,Module Overview如下,包括Biomarker Analysis/ Enrichment Analysis/Pathway Analysis/Joint Pathway Analysis/Network Analysis以及各种封图分析等,基本送测公司的报告里头的结果图,只要拿到excel检测结果信息表都能在这个网站自己做,操作简单直接上手

    Module overview

    Interactive Pathways Explorer v3

    Interactive Pathways Explorer v3

    交互式路径探索者(iPath)是一个基于web的工具,用于可视化、分析和定制各种路径地图。

    网络分析支持以下几个板块:

    4 Module

    LIPID MAPS

    LIPID MAPS

    专门用于分析脂质,对下机数据/结构等的识别,分析统计等

    function of LIPID MAPS
    展开全文
  • 要在simca14安装的基础上,安装此操作界面,直接针对代谢组学数据分析,操作简单直接
  • 这项研究的目的是阐明干旱条件下小麦中代谢物水平的变化,并使用称为同位素比率的基于液相色谱-高分辨率质谱(LC-HRMS)的技术,通过非目标代谢组学分析来鉴定与干旱胁迫相关的潜在代谢物离群值分析。 花后干旱胁迫...
  • 基于LIPIDMAPS:registered:脂质分类系统的层次表,用于代谢组学分析。 背景 LIPIDMAPS:registered:脂质分类系统由八个脂质类别组成,每个类别都有自己的子分类层次。 上提供了层次结构,但是代谢组学分析很麻烦,...
  • 关于臭氧处理引起脱氧镰刀雪腐烯醇细胞毒性逆转的代谢组学分析,许云,孙秀兰,为了增强臭氧作为一种降解粮食中真菌毒素的方法的可靠性和适用性,在这项研究中,采用细胞毒理学实验和代谢组学分析,对脱氧镰刀
  • 目的 对宫颈癌患者血清进行代谢组学分析,以寻求潜在的宫颈癌肿瘤标志物.方法 运用气相色谱/质谱法(gaschromatography/mass spectrometry,GC/MS)对宫颈癌患者和正常人的血清样本进行代谢组学分析,原始数据经过...
  • 代谢组学 分析技术 数据处理技术 分析处理等
  • 该软件包可用于分析非目标代谢组学中的预处理LC-MS数据。 Notame是由and分离的代谢组学公司开发的。 我们使用notame作为将用于非目标LC-MS代谢组学数据的所有预处理方法捆绑在一起的方法,因此它主要由其他软件包中...
  • 该包已重新实现为 MetaboKit。 请访问 https://github.com/MetaboKit/MetaboKit
  • 在进行转录组与代谢组联合分析后得到p值与r值后需要进行可视化,其中九象限是直观简单的一种方法。该代码介绍了由R语言编写的九象限的分析流程及可视化代码。
  • 代谢组学数据分析中贝叶斯网络的应用进展,李贞子,王丽萍,代谢组学是近年发展快速的一门学科,已在医学等诸多领域广泛应用。代谢组学数据具有高维、小样本、高噪声等复杂特征,为其数据分
  • 来自2021 Jul 21的European Respiratory Journal。IF:16.672。知识点 LC-MS 非靶向代谢组技术简介代谢组学是直接研究生物体受基因和蛋白调控的...

    来自2021 Jul 21European Respiratory Journal。IF:16.672。

    知识点

    LC-MS 非靶向代谢组

    技术简介

    代谢组学是直接研究生物体受基因和蛋白调控的所有代谢物的变化规律和功能的科学,是探究生物现象结果的科学,代谢组学 研究一方面可以发掘一些新的分子标志物,另一方面通过与蛋白质组学、基因组学数据的联动分析,可以从原因和结果两方面分 析生物体的内在变化,将系统生物学的研究推向更高水平。LC-MS非靶向代谢组技术通过LC-MS平台对限定条件下的特定生物 样品中所有代谢组分进行定性和定量。

    技术流程

    靶向代谢组

    技术简介

    靶向代谢组学(Targeted Metabolomics)是代谢组学研究的重要组成部分,也是全代谢组研究的延伸与拓展。相对于全代谢组分析而言,靶向代谢组分析具有特异性强、检测灵敏度高和定量准确等特点。通过对血液、尿液或其他体液以及组织中某一特定的代谢物的富集与准确定量定性分析,一方面可以结合其它实验数据揭示相关的分子生物学作用机制,另一方面,也可以为后 续代谢分子标志物的深入研究和开发利用提供有力支持。

    技术流程

    Abstract

    新冠肺炎已经感染了1.6亿多人,并导致全世界数以百万计的人死亡。至少部分原因是这种疾病的病理生理尚不清楚。因此,识别新冠肺炎的潜在分子机制对于战胜这场大流行至关重要。使用非靶向和靶向代谢组学分析对新冠肺炎患者所有阶段血清的代谢特征进行了全面的观察。与健康对照组比较,在发现队列和验证队列中,轻度、重度和恢复期循环代谢产物的变化模式不同,提示糖代谢和尿素循环的代谢重排是新冠肺炎进展的潜在病理机制。研究表明,针对糖代谢和尿素循环可能是在病程不同阶段对抗新冠肺炎的可行方法。

    Results

    新冠肺炎患者各期血清非靶向代谢组学研究

    对发现队列进行了非靶向代谢组学分析,包括13例健康人作为正常组,18例轻度患者,12例重症患者,20例重症新冠肺炎恢复者。收集并分析新冠肺炎感染者的临床症状和实验室指标

    使用健康对照组(正常)和轻度、重度和恢复组患者的血清进行非靶向代谢组学分析。(A)研究设计示意图;(B)四组间非靶向代谢组学的主成分分析(PCA);(C)选定193种代谢物的热图,FDR<0.05;(D)火山图突出显示与正常组相比,轻度、重度和恢复组的血清代谢物增加(红色)或减少(蓝色)。

    靶向代谢组学显示新冠肺炎患者各阶段代谢产物的改变


    图2.不同阶段血清中主要代谢物的变化(A)靶向代谢组学中量化的代谢物热图,FDR<0.05;(B)通路分析发现氨基酸代谢有显著差异,特别是精氨酸、鸟氨酸和谷氨酰胺,以及能量代谢,包括TCA循环和糖酵解。

    疾病进展中的尿素循环和三羧酸循环失调


    箱线图显示了这些代谢物在不同阶段的发现和验证样本中的水平。发现队列和验证队列中的代谢组学路径分析表明,尿素循环和三羧酸循环是新冠肺炎患者受影响最大的两条路径。

    血清代谢物的组合可能是一个潜在的预测生物标志物

    为了研究这9种代谢物是否可以作为新冠肺炎患者风险分层的生物标志物,用发现队列训练了几个经典模型,并用验证队列进行了验证,包括决策树、随机森林、支持向量机和Logistic回归。为了获得更好的性能,作者采用了Logistic回归。


    图4.将尿素循环和三羧酸循环中9种显著变化的代谢物组合而成的模型的AUC。以9种代谢物为特征建立Logistic回归模型。(A-F)用1-9种代谢物区分不同阶段的AUC散点图。X轴显示了模型中使用的代谢物的数量。建立了所有可能组合的模型,每个点都显示了单个组合的AUC。曲线图表明,随着模型个数的增加,模型的性能更好。

    Discussion

    代谢组学数据提供了新冠肺炎患者所有阶段循环代谢物特征的综合视图,并确定糖代谢和尿素循环的代谢重新编程是新冠肺炎的潜在病理机制。以宿主代谢为靶点可能是在病程不同阶段对抗新冠肺炎的一种可行的方法。

    展开全文
  • 代谢组学分享平台。为代谢组学入门者提供信息;经验分享;文献共享;资源共享。

    发现了宝藏知识宝藏博主,他梳理了代谢组学从实验到分析的全流程知识并汇聚成册。大家共同学习呀。

    wechat:代谢组学分享平台。为代谢组学入门者提供信息;经验分享;文献共享;资源共享。感谢此君!

    代谢组学

    代谢组学分类:

    样本前处理:

    数据采集:

    数据预处理:

    统计分析:

    标记物筛选:

    标记物鉴定:

    展开全文
  • 近年来,代谢组学成为生命科学领域的“宠儿”,许多相关分析技术也越来越成熟,在代谢组学研究研究中,我们将各种分析技术统称为代谢组学分析平台,今天就和小析姐一起看看这个平台中都有哪些常用的仪器设备吧。...
  • 非靶向代谢组学数据分析方法总结

    万次阅读 多人点赞 2019-04-30 18:53:10
    生物信息学早已不再局限于基因组学领域了,后基因组学越来越受到关注,并且这几年“多组学”的也研究越来越多。其中,代谢组学是相对比较年轻的...代谢组学分为靶向代谢组学和非靶向代谢组学,本文将结合本人的经...
  • 代谢组学联合分析 转录组学&代谢组学联合分析 转录组是获得生物体内基因表达的重要方法,代谢组是生物体表型的基础和直接体现者。 转录组测序可以得到大量差异表达基因和调控代谢通路,但由于基因与表型之间很难...
  • 微生物组学&代谢组学联合分析 近年来,随着微生物组学研究的不断发展和持续火热,越来越多的研究者跳出单一的微生物研究,开始将微生物组学和代谢组学联合起来,从物种、基因以及代...
  • metPath 关于 metPath是一个R包,用于对脂质组学数据进行绝对定量。 安装 您可以从安装metPath 。... Zhu *(通讯作者),基于代谢React网络的非目标代谢组学的递归代谢物注释,Nature Communications,20
  • 通过对代谢组学数据进行分析,可以对生物体内的小分子代谢物进行定性定量分析,找出代谢产物变化与生物体生理生化变化的相对关系。挖掘疾病发生过程中生物体内代谢物的变化信息,以及药物作用后引起
  • #资源达人分享计划#
  • 代谢组学数据分析,解释和综合探索的工具箱 版本:1.2(2016年12月1日) 描述 基于R的Web应用程序,用于数据处理,统计分析,集成可视化探索和具有多种方法的功能分析(例如功能类评分,过多表示分析和WordCloud生成...
  • 一、代谢组学研究技术与实践 1、代谢组学简介及样本的采集与制备关键问题探讨 1.1 代谢组学概述 1.2 代谢组学操作流程 1.3 样本的采集、储存与制备关键问题 2、代谢组学数据采集与...
  • 微生物组+代谢组联合分析

    千次阅读 2021-01-11 10:41:07
    微生物代谢组学联合分析简介 在肠道中,微生物与宿主之间进行密切的信息交流,在代谢、免疫、神经系统调控中起重要作用。不同组成的微生物能影响机体体重、消化功能、抵御感染和自身免疫疾病的患病风险,此外,还能...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,767
精华内容 1,906
关键字:

代谢组学分析

友情链接: news3.rar