MetaboAnalyst通路分析：如何选择参数与阈值筛选显著通路？

各指标的特性与适用场景 #

• 原始p值（raw p-value）：你之前采用的<0.05阈值存在明显缺陷——通路分析会同时检验大量通路，未校正的原始p值极易产生假阳性结果，仅凭该指标筛选的“显著通路”可靠性不足。
• -log10 pvalue：仅为原始p值的对数转换形式，本质与原始p值完全一致，仅用于可视化时放大小p值的差异，不具备独立的筛选价值。
• Holm-Bonferroni校正p值：属于严格的多重检验校正方法，能有效控制假阳性，但会大幅抬高显著性门槛，容易遗漏真实存在差异的通路，仅适合对假阳性零容忍的极端场景。
• FDR（错误发现率）值：这是代谢组通路分析中最常用的统计指标，它控制的是“被判定为显著的通路中假阳性的比例”，在假阳性控制与检验效力间实现了平衡，常规研究中普遍采用FDR < 0.05作为筛选阈值。
• Impact score：MetaboAnalyst专属指标，整合了通路内差异代谢物数量、代谢物在通路中的拓扑位置（如节点连接度）等信息，反映通路的生物学影响程度。建议将其与FDR结合使用：先以FDR < 0.05筛选出统计显著的通路，再依据Impact score排序，优先关注得分较高的通路，兼顾统计显著性与生物学意义。

针对你的分析结果的具体建议 #

优先选择FDR < 0.05作为核心筛选条件，再结合Impact score（可根据结果图中得分分布设定合理 cutoff，如Impact score > 0.1）缩小范围，聚焦真正具有生物学价值的通路。若坚持使用原始p值，必须明确其假阳性风险，不能直接将p < 0.05的通路认定为显著。

内容的提问来源于stack exchange，提问作者Cinmoyee