1、PCA分析

主成分分析（principal component analysis, PCA）是将一组观测的可能相关变量，通过正交变换转换为线性不相关变量（即主成分）的统计方法。PCA可以揭示数据的内部结构，从而更好的解释数据变量。

2、差异代谢物火山图

使用的卡值标准为学生t检验（Student’s t-test）的P值（P-value） 小于0.05，同时OPLS-DA模型第一主成分的变量投影重要度（Variable Importance in the Projection, VIP）大于1筛选差异代谢物并绘制对应的火山图。

3、差异代谢物相关性分析
相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度，两个变量之间的相关程度通过相关系数r 来表示。相关系数r的值在-1和1之间，但可以是此范围内的任何值。正相关时，r值在0和1之间；负相关时，r值在-1和0之间。r的绝对值越接近1，两变量的关联程度越强，r的绝对值越接近0，两变量的关联程度越弱。

4、差异代谢物KEGG注释

京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG) Pathway数据库 http://www.kegg.jp/kegg/pathway.html 以基因和基因组的功能信息为基础，以代谢反应为线索，串联可能的代谢途径及对应的调控蛋白，以图解的方式展示细胞生理生化过程。

5、差异代谢物的调控网络分析

在生物化学领域，代谢通路是指细胞中代谢物质在酶的作用下转化为新的代谢物质过程中所发生的一系列生物化学反应。而代谢网络则是指由代谢反应以及调节这些反应的调控机制所组成的描述细胞内代谢和生理过程的网络。