嘿，这个问题问得特别好——代谢组学的标准化步骤经常让人晕头转向，尤其是不同方法叠在一起的时候，很容易怀疑是不是做重复了。咱们拆解每个步骤的核心作用，就能明白它们各自的必要性了：

• 步骤1：剔除低覆盖度代谢物：你说得没错，这步属于数据清洗，不算标准化，但它是后续分析的基础。如果一个代谢物在超过20%的样本里都低于LOD，说明它的检测稳定性极差，留着不仅会引入大量不可靠的缺失值（哪怕填充了也没意义），还会干扰后续统计分析的准确性，所以这步必须先做。

• 步骤2：Log转换：靶向LC-MS的数据天生大多是右偏分布——少数高丰度代谢物，多数低丰度的。Log转换能把这种偏态分布拉得更接近正态，符合t检验、线性模型这类统计方法的假设；同时还能压低高丰度物质的权重，避免少数“大个头”代谢物抢走所有分析的注意力。这步是校正数据分布偏态，和后面的批次校正、归一化完全是不同方向的操作。

• 步骤3：ComBat批次校正：LC-MS的批次效应真的太常见了——不同批次的仪器状态、试剂新鲜度、操作人员差异，都会导致同一代谢物在不同批次里的丰度出现系统性偏移，这种偏移和你要研究的生物学差异半毛钱关系都没有，必须先清除。ComBat是专门针对组学数据的批次校正工具，它的作用是干掉非生物学的系统性误差，而且得在Log转换之后做（因为ComBat默认数据接近正态分布），这步解决的是“批次间差异”问题，和后面的分位数归一化完全不重叠。

• 步骤4：Quantile normalization（分位数归一化）：这步是让所有样本的整体丰度分布对齐，比如让每个样本的第50百分位、第90百分位的丰度都保持一致。它解决的是“样本间的全局丰度差异”——比如某个样本因为进样量偏少，所有代谢物的丰度都偏低的情况，属于全局缩放校正。而ComBat是校正批次带来的偏移，两者针对的误差来源完全不同，不存在冗余。

• Pareto scaling（多元分析专用）：这个是PCA、PLS-DA这类多元统计分析的“专属缩放工具”——它的缩放强度介于只减均值的中心化和标准化到方差为1的UV scaling之间，既能保留高丰度代谢物的信息，又不会让它们完全主导分析结果。这步是针对多元分析的特定预处理，和前面的标准化步骤不冲突：前面的步骤是为了让数据适合单变量统计检验，而Pareto scaling是为了让多元分析更精准地捕捉生物学差异。

整体来说这些步骤并不冗余，它们分别解决了分布偏态、批次效应、样本全局差异、多元分析适配四个完全不同的问题。不过有几个小细节可以调整：

1. 顺序不能乱：建议严格按照「数据清洗→Log转换→ComBat批次校正→分位数归一化→多元分析Pareto scaling」的顺序来，这样不会让前一步的校正效果被后一步干扰。
2. 分位数归一化可灵活调整：如果你的靶向实验已经用了内标校正（每个样本都加了相同浓度的内标），那可能不需要分位数归一化——因为内标已经帮你校正了样本间的进样量差异。但如果没有内标，或者内标的校正效果不好，那分位数归一化还是很有必要的。
3. Pareto scaling别用错地方：它只适合多元分析，单变量统计检验（比如t检验、差异代谢物筛选）用前面Log转换+批次校正后的结果就够了，别把Pareto scaling的结果拿去做单变量检验。

总结下来：这些步骤各司其职，没有冗余，只要按正确顺序执行，再结合你的实验是否有内标调整分位数归一化的必要性，就能得到靠谱的分析结果。

内容的提问来源于stack exchange，提问作者jkd