對缺失值的處理，簡單粗暴的方法是直接去除所有含有缺失的代謝物，對于一些代謝物如果是在樣本中大量缺失（比如超過了50%）確實可以舍棄，而少量缺失如果丟棄則可能會丟失一些有重要生物學意義的代謝物，所以對于少量缺失，較為穩(wěn)妥的辦法就是用值填補。比較簡單的方法是用0值、均值、中值或最小值的一半進行填補，復雜一點的則是使用機器學習的算法如鄰近算法（KNN）、隨機森林（RF）、奇異值分解（SVD）等方法。由于代謝組目前可分為靶向和非靶向兩大類型，在不同的類型中往往是采取不同的處理辦法。有研究者認為非靶向的推薦使用KNN算法（Do et al.,2018）；也有認為GC-MS數(shù)據(jù)使用隨機森林方法（Gromski et al.,2014）；還有的則認為需要按缺失類型，對于完全非隨機缺失的可使用最小值的一半進行填補，完全隨機缺失或隨機缺失的使用隨機森林方法（Wei et al.,2018）。所以目前沒有統(tǒng)一的標準。

標準化主要是為了去除實驗、技術(shù)等帶來的誤差，常見的方法有：內(nèi)標，即代謝物除以內(nèi)標豐度，可用于GC-MS；總峰面積標準化，即代謝物除以所有代謝物的總峰面積，可用于非靶向LC-MS；對數(shù)變換即直接對豐度取對數(shù)，LC-MS和GC-MS都有用到；PQN （Probabilistic Quotient Normalization）即每個代謝物除以了一個稀釋因子，這個因子則是依賴于樣本與參考樣本比值的分布，在NMR分析中被認為是一種穩(wěn)健的方法；此外還有均值標準化、分位數(shù)標準化、中值標準化、z-score標準化等（Li et al.,2017），這些方法也可以結(jié)合使用（Di et al.,2016）。不同方法可能會引起不同分析目的的差異，比如進行差異分析的時候，使用分位數(shù)方法可能比PQN方法好，而在進行代謝標志物篩選時，則表現(xiàn)差不多（Li et al.,2017）。因此，在分析的時候也可多嘗試一些標準化的方法。

總的來說，缺失值和標準化的處理方法目前并無完全統(tǒng)一的標準，需要結(jié)合具體的實驗方法、目的進行多次的調(diào)試以達到所期望的目標。目前，百邁客云上的代謝組分析平臺已包含上述部分處理方法，操作簡單，分析速度快，后續(xù)也會不斷增加更多的處理方式以滿足不同需求。

參考文獻：

[1]?Do K T, Wahl S, Raffler J, et al. Characterization of missing values in untargeted MS-based metabolomics data and evaluation of missing data handling strategies[J]. Metabolomics, 2018, 14(10): 128.

[2] Gromski P, Xu Y, Kotze H, et al. Influence of missing values substitutes on multivariate analysis of metabolomics data[J]. Metabolites, 2014, 4(2): 433-452.

[3] Wei R, Wang J, Su M, et al. Missing value imputation approach for mass spectrometry-based metabolomics data[J]. Scientific reports, 2018, 8(1): 663.

[4]?Di Guida R, Engel J, Allwood J W, et al. Non-targeted UHPLC-MS metabolomic data processing methods: a comparative investigation of normalisation, missing value imputation, transformation and scaling[J]. Metabolomics, 2016, 12(5): 93.

[5]?Li B, Tang J, Yang Q, et al. NOREVA: normalization and evaluation of MS-based metabolomics data[J]. Nucleic acids research, 2017, 45(W1): W162-W170.