近期,有一些實驗設計上的問題非常具有共性——例如:三個組學應該如何取樣?如果做6重復,能否取18個樣本,每個組學各分6個樣本進行做組學聯合? 針對這個問題,一圖讓您看懂: 在多組學聯合分析中,經常會用到相關性分析(簡單的如pearson, spearman相關性分析,高級的如O2PLS模型)。這些分析的目的是在統計學角度建立不同組學分子的相互調控關系,原則都是保證樣本一一對應,避免組內的個體差異引起結果誤差。如上圖所示,2組6重復樣本,可以看到基因A的表達量與代謝物B的含量具有極高的相關性(R2=0.9996)。然而,假設我們把樣本順序打亂,用同組不同個體的基因表達和代謝物含量去做映射,由于組內個體差異的緣故,基因A和代謝物B就不再具有顯著的相關性(R2=0.7227)。 因此,為了獲得客觀,有效的多組學聯合數據,不同組學采樣的個體一一對應原則非常重要。如個體樣本量不足以滿足多種組學檢測需求,可以事先進行混樣,再平均分配到各個組學進行檢測。 好的實驗設計是理想實驗的基礎,可千萬不要馬虎哦!



