BIOTREE非靶标代谢组学再升级，6D质量控制保障数据质量

理想的实验结果来源于可靠的检测数据，可靠的检测数据要依靠严格的质量控制。
 
1 未雨绸缪
通过对过程关键环节、要素进行把控，降低问题发生的概率。

2 防微杜渐
早发现问题，以避免问题扩大化。

3 溯本求源
出现问题依托质量控制，寻找问题的根源。
   
质控更多是围绕实验来开展的，因此我们需要围绕样本的收集、储存、提取等环节，从“人机料法环”五个方面来考虑对实验质量产生影响的因素。
 
QC样本：Quality Control样本，是将所有实验样本混合而成的一例额外样本。理论上来说该样本含有所有样本中的所有种类物质，因此该样本可以作为全部样本的“代表”，可以在不影响实验样本检测的情况下，通过对QC样本的检测，来判断整个实验检测是否稳定。

IS：Internal standard（内标），是在实验样本中额外添加的一个或几个已知物质。在非靶标代谢组学中，由于并不知道会测到什么物质，因此需要在样本中添加一定的已知物，通过对该已知物检测结果的分析进而判断整个实验检测的稳定性。因此IS需要满足以下几个特征：

（1）在实验条件中检测响应良好，峰形对称；

（2）样本中天然不含有该物质；

（3）该物质不与样本中原有物质反应。

此前较常见的IS是L-2-氯-苯 丙氨酸，但依然存在部分样本中含有该物质的问题，因此在新的高水平文章中L-2-氯-苯 丙氨酸逐渐被同位素内标取代，首先样本中天然同位素的含量极低，此外同位素物质理化性质与样本中原有物质完全一样，因此不会与样本中原有物质反应，也就不会影响原有物质的检测，可见同位素内标是更好的选择。
 
为了不断提高实验数据质量，BIOTREE首先在QE-HFX非靶标代谢组学检测平台上创建了基于QC和IS两大核心的6D质控体系，可综合考量实验各个环节。

1D：过程质控-QC中IS的峰高差
 
每个电离模式BIOTREE会分别采用3种同位素内标，用以全面表征不同类型代谢物的检测状态。理论上来说由于QC样本是反复进样的重复样本，因此可以通过每个QC间IS的响应峰面积差异来判断检测是否稳定。

当所有QC中所有IS的峰高差小于30%才认为该项目合格。

2D：过程质控-空白样本中IS的出峰
 
由于空白样本仅是空的流动相其中并不含有IS或者被测代谢物，所以若是实验中有各种原因的残留，就会导致原本干净的空白样本中有IS被检测出。因此可以通过检测穿插在整个实验过程中的空白样本中是否有IS信号，从而及时判断实验中是否有残留现象。

当所有空白中所有IS均无明显峰被检出才认为该项目合格。

3D：数据质控-二维PCA得分图中QC样本的聚集程度
通常来说过程质控多用于在实验中及时发现问题，以及针对发现问题的有效处理。而数据质控更多是对整个实验结果是否可靠的展示，多见于高分文章中，用以表明整个实验结果良好，其中又以二维PCA得分图最为常见。

我们都知道PCA是非监督模型，样本自然地散落在模型空间中，因此样本间的距离代表样本之间的相似程度，又因为QC样本是重复进样的技术重复，因此QC样本间应该距离较近。

当两个电离模式下所有QC的聚集程度均良好时才认为该项目合格。

4D：数据质控：一维PCA得分图中QC样本的分布
虽然二维PCA得分图是最常见的质控结果展示方式，但是存在对于聚集程度判断过于主观的问题，不同人对于样本是否聚集存在一定的主观判断，因此可以通过QC样本在一维PCA得分图中的分布来判断QC样本是否偏离。

与二维PCA得分图一样，图中每个点代表一个样本，X轴代表了进样顺序，通常所有QC样本应该在2STD以内围绕X轴上下波动。当项目样本量过大时，由于仪器波动会出现一定的偏移。这种时候可以对结果进行一定的矫正。

当全部QC样本均分布在2STD以内才认为该项目合格。

5D：数据质控-QC样本相关性
PCA得分图更多是以图中样本位置来判断数据的质量，而QC样本相关性则是通过样本中测到的数据进一步判断数据质量。既然QC样本是技术重复，那QC样本间的差异应该是很小的，我们对QC样本中测到所有物质在一起计算相关性，这个相关性值越接近1越好。

当同一批内QC样本的相关性>0.8时才认为该项目合格。

6D：数据质控-QC样本中内标响应的稳定性
 
最后一个质控是依据IS的响应偏差来做的，由于IS是我们在样本中额外加入的已知浓度的物质，所有样本中IS的浓度都是相同的，所以IS的响应差异越小，说明系统越稳定，数据质量越高。

当同一批次QC样本中IS响应的RSD值中位数≤15%时，才认为该项目合格。

BIOTREE 6D质量控制体系，全面监控整个实验流程，为您的数据保驾护航。