各位看官大家好！新一期空间代谢组Q&A来了！在上一期中，我们介绍了空间代谢组学的数据处理方式（点击阅读）。这一期，我们将为大家解析空间代谢组学的常见分析内容和数据清洗策略。
*以下内容均基于SCILSTM Lab分析软件实现。
Q1 主要分析内容有哪些？
1. 空间聚类分析(Segmentation)
空间聚类分析的本质是一张空间聚类分析的热图，通过聚类算法后，对有相似代谢模式的区域使用同一种颜色标注，清晰直观的从分子层面对切片进行区域分型。完成整张切片分析后，还可以针对关注区域，进一步进行多次聚类分析，发现更多独特区域。
深度空间代谢组学空间聚类分析热图
应用案例：
揭示肿瘤内部代谢存在异质性（蓝色与白色区域）
Cancer Research（点击阅读）
2. 代谢物分子成像
针对单个代谢物分子进行分析，获取其在空间分布和表达量的热图。在图片中，颜色越红代表该代谢物表达量越高，颜色越蓝代表该代谢物表达量越低。
深度空间代谢组学代谢物分析成像图
应用案例：
代谢物在不同进展的前列腺肿瘤中空间分布与含量有明显差异
Molecular Cancer Research（点击阅读）
Q2 如何进行数据清洗以发现关键代谢物分子？
1. ROC分析
SCILSTM Lab集成机器学习算法，以目标区域中代谢物的浓度和分布情况进行ROC分析，输出代谢物排名List，通常排名靠前的代谢物对差异的影响较大，可进一步通过分子成像图进行确认。
代谢物ROC分析展示
2. 代谢物分子空间共定位
空间共定位分析是一种代谢物的空间相关性分析，选择一种目标代谢物后，进行空间相关性计算，输出与目标代谢物空间表达趋势一致的代谢物List，可以帮助开展对该区域中代谢物表达模式和代谢网络的分析工作。
代谢物空间共定位分析概念展示
3. 代谢物统计学差异分析及生物信息学分析
本部分分析内容与常规代谢组学一致，主要针对代谢物含量开展单维与多维统计学分析、KEGG通路分析、表达量相关性分析、聚类热图、代谢物分类等分析。在空间代谢组学中，该分析目标是指定区域或者切片，当选择好目标区域后，通过算法整合区域中的代谢物含量后，开展后续分析。
深度空间代谢组学统计学差异分析展示
中科优品推荐
深度空间代谢组学：
· MALDI 2离子化策略—检测更灵敏、覆盖更全面；
· 离子淌度分离—离子利用更高效、鉴定更准确
