如何用 SIMCA 软件做出符合 SCI 论文的美图？

为了探究某些疾病或者药物的分子作用机制，我们通常采用非靶标代谢组学无偏向性地对所有小分子代谢物同时进行检测分析。通常我们采用的检测仪器主要有 NMR、GS-MS、LC-MS。

在众多被检测到的小分子中，那些才是我们最关心的呢？因此，在代谢组学分析中，我们就引进了多元统计分析用来筛选我们的目标代谢物。而在多元统计分析中 SIMCA软件则最为常用。

SIMCA 软件是多远统计分析中最常用的一个数据分析与挖掘的软件。主要是通过 PCA、PLS-DA、OPLS-DA 等模式识别进行分析，来提供最佳的数据处理方案，并结合 VIP 值以及 S-plot 得分图来筛选差异代谢物，当然也可以结合 ROC 曲线进行分析。

多元统计是从整体研究和分析问题的本质，找出各组数据的内在规律。多元统计分析在代谢组学中主要是帮助我们缩小研究范围，从众多的代谢物中寻找差异代谢物，再根据差异代谢物所涉及的潜在代谢通路，推测、分析和探究疾病的发病机制，药物的作用机制。

下面我们就先讲一下 SIMCA 的使用方法：

1. 将实验数据输入 Excel 表格

2. 将数据导入 SIMCA

1. 按照「File」→「New Spreadsheet」→「From file」→「Import Dataset」，将数据导入到 SIMCA。

2. 将横行和纵行第一行均设置为「Primary」。

3. 按照「Edit」→「Transpose」将数据格式转变成横行为为主要因素，纵行样本编号，然后将数据保存「「Home」→「Finish」」。

3. 数据分析

将保存的源文件打开，点击「Home」→「Autofit」，然后鼠标移向「Project Window」→「Active model」，PCA 模型下可以看到 R2 和 Q2，可用于判断数据分析的可靠性。

1. PCA、PLS-DA 和 OPLS-DA 图

依次选择「Home」→「New」→「Observations」，将实验数据进行分组，model type 选用 PCA-X，确定后对数据进行拟合「「Home」→「Autofit」」，再点击 Scores，即可做出 PCA 图。在做 PLS-DA 或 OPLS-DA 图时，只需在 Change Model Type 将 PCA 改为 PLS-DA 或 OPLS-DA 即可。

「SMICA 软件一般默认的模式是 UV，可在「Home」→「New」→「scale」中进行改变」。

2. S-plot 图

将「Home」→「New」→「Scale」→「Set Scaling」中的 Type 设置为 par 模型，只能选择两个组别「「Home」→「New」→「Observations」」，将 model type 改为 OPLS-DA，然后确定，再将数据进行拟合「「Home」→「Autofit」」；然后选择「Analysis」→「S-plots」→「S-plot」，即可做出我们所需的 S-plot。

3. 差异物的寻找

通常文献中对于差异物的寻找都是 VIP 值结合 pcorr。

VIP:「Home」→「VIP」， 右键「Create」→「List」→「Save List as」为 txt 格式，再将 txt 格式复制到 Excel 中，一般选用 M1.VIP［1］ 这一列。

pcorr: S－plot 图 右键「Create」→「List」→「Save list as」为 txt 格式，再将 txt 格式复制到 Excel 中，一般选用 M1. P「corr」［1］ 这一列结合 Vip 值寻找差异代谢物。

加生物侠「微信号：dxyshiyong」，获取丁香通热门活动信息，了解最新试用动态。备注：丁香通。

作者：赵凡

图片来源：赵凡