双组学整合：分析 Nutrimouse 基因与脂质数据

这篇教程用同一批小鼠的基因表达与脂质数据，带你在 PathoWish 中完成样本对齐、标准化、双块潜变量整合和结果解释。项目会生成样本投影、主要载荷、关联热图、完整数据表与实验报告。

本例包含 40 只小鼠、120 个基因和 21 种脂质。三步计算完成后，两对组学得分的相关系数为 0.655153 和 0.686738，8 项数值检查通过。

1. 准备样本一一对应的三张表

输入来自 mixOmics 固定提交中的 Nutrimouse 数据对象。原始文件为 7,647 字节，SHA-256 为 3c6212f3f13feb88e3ff8e48c855a284d496cf60ca1b53c7e5913978bf8261fc。

将数据整理为同一目录中的三个 CSV：

三张表保留同一份样本标识。本例使用原始行标识 1–40，分组用于图形标注。

在已有 pandas 和 rdata 的数据准备环境中，可以这样导出：

from pathlib import Path
import pandas as pd
import rdata

dataset = rdata.conversion.convert(
    rdata.parser.parse_file("nutrimouse.rda")
)["nutrimouse"]
gene, lipid = dataset["gene"], dataset["lipid"]
assert gene.shape == (40, 120) and lipid.shape == (40, 21)
assert list(gene.index) == list(lipid.index)
out = Path("nutrimouse_csv")
out.mkdir(exist_ok=True)
for name, frame in [("gene", gene), ("lipid", lipid)]:
    frame.index.name = "sample_id"
    frame.to_csv(out / f"{name}.csv")
pd.DataFrame({
    "sample_id": gene.index.astype(str),
    "diet": list(dataset["diet"]),
    "genotype": list(dataset["genotype"]),
}).to_csv(out / "metadata.csv", index=False)

这一步完成 R 对象到 CSV 的转换；后续分析项目使用 Python 读取 CSV。

2. 在插件中设置数据与需求

1. 进入“数据与范围”，选择研究项目和“本地执行”。
2. 点击“选择工作目录”，设置代码与结果的保存位置。
3. 点击“＋ 增加数据”，用途填写“按 sample_id 对应的基因、脂质和分组数据”。
4. 数据类型选“数据目录”，点击“选择路径并添加”，选中三张 CSV 所在目录。
5. 选择已有环境或为项目准备独立环境。本次计算复用了 Python 3.12.14、NumPy 2.4.3 和 Matplotlib 3.11.0 的 CPU 环境。

点击“提交建模需求”，输入：

请整合我选择的 Nutrimouse 基因、脂质与分组 CSV：按 sample_id 核对样本，检查缺失值和常数特征，标准化两组数据，独立实现双块潜变量分析。请展示样本在两个组学空间中的对应关系、主要载荷和基因—脂质关联热图，保存完整结果表、数学方法与依赖说明，并生成带 PathoWish 品牌的实验报告。方法和成分数请根据数据选择。

点击“下一步：核对需求”，确认三张表的用途、执行位置与环境后提交。

3. 确认文献方法与实施方案

在阶段 1“调研文献与资源”查看阅读结果，在阶段 2“确认方案与仓库”核对方案。

本例参考 Rohart 等人的 mixOmics 论文，提取样本对应、低维投影、变量载荷和跨组学关系展示等方法思想。项目以这些思想为依据，独立实现双块交叉协方差的奇异值分解。

需要添加论文时，从 PLOS 文章页下载 PDF，在阶段 2 的“参考文献与自备材料”点击“＋ 添加 PDF 文献”，核对标题与选中状态。

方案应明确三项工作：输入质控与标准化、两成分整合、图表与报告。确认完整结果表和样本匹配规则后，勾选“我已核对方案与所选仓库，确认按以上方案开发”，点击“确认方案并开始定制开发”。

4. 查看实现过程与方法

阶段 3“分析源码与定制开发”显示代码生成，阶段 4“验证并查看结果”显示执行和结果审阅。项目按以下依赖顺序运行：

程序按 sample_id 对齐数据，每列减去均值并除以样本标准差（ddof=1）。本次 40 个样本与全部特征均保留，测量值完整。

设标准化后的两块数据为 X、Y，样本数为 n。程序计算 C = XᵀY / (n−1)，对 C 做奇异值分解，取前两组权重得到基因和脂质得分。最大绝对基因权重的方向固定为正，使图形方向可重复。

两个成分提供便于阅读的探索视图。饮食与基因型用于标注样本；相关结构的解释同时结合这些分组、批次与脂质组成特点。

5. 阅读投影、载荷与关联热图

圆点是基因得分，叉号是脂质得分，箭头连接同一只小鼠。为了在同一图中比较，两块坐标分别按得分标准差缩放；完整原始得分保存在 scores.csv。

“交叉协方差能量比例”按前两项奇异值平方占全部奇异值平方和计算。8 项检查核对中心化、标准差、载荷正交、SVD 重构和跨块协方差，最大误差约为 1.95 × 10⁻¹⁴，满足 10⁻⁹ 容差。

每块数据的每个成分展示绝对值最大的 12 个权重，颜色区分方向。完整载荷表保留全部 120 个基因与 21 种脂质，可用于进一步查看相关变量。

热图根据两成分载荷向量的长度选择 20 个基因和 12 种脂质，颜色表示这 40 只小鼠中的 Pearson 相关。完整的 120 × 21 相关矩阵另行保存，便于自行调整展示范围。

6. 查看报告并扩展分析

进入“结果与图表”阅读汇总报告，点击“打开结果文件夹”查看 21 项计算产物：11 张 CSV、3 份 JSON、2 份 NPZ、4 张 PNG 和一份 Markdown 结果说明。插件同时生成带 PathoWish 标识的 HTML 报告、执行选择记录和分析摘要。

点击“打开项目代码”，可以调整预处理、成分数和图表。METHODS.md 记录计算方法，DEPENDENCIES.md 说明依赖用途与版本。

例如，继续输入：

请保留当前版本，增加第三个成分，并比较前两个与前三个成分的交叉协方差能量比例；同时输出按饮食组着色的前三成分图。

本例用于探索同一样本中两类测量的关联。开展预后或疾病预测时，可在新方案中加入结局变量、训练验证划分和独立评价；原始平台的归一化步骤也应随输入数据一并说明。

数据与方法来源

• 数据：mixOmics Nutrimouse 固定版本，使用时保留来源与许可说明。
• 参考论文：Rohart F, Gautier B, Singh A, Lê Cao K-A. *mixOmics: An R package for ‘omics feature selection and multiple data integration*. PLOS Computational Biology, 2017. DOI: 10.1371/journal.pcbi.1005752。

实验记录：2026 年 10 月 15 日，项目版本 version-3c965cf422e2、运行 run-df67f13a06，prepare、integrate、report 三步完成。PathoWish 实际项目后端执行计算，当前会话模型完成资料阅读、代码生成与结果审阅。