背景及目的随着代谢组学的蓬勃发展,大量数据分析方法和工具被开发并广泛使用。当前,代谢组学与其他组学的整合分析方法以及多功能的集成分析工具是该领域的热点研究方向。为了更加科学有效地挖掘海量数据中的生物医学信息,需要不断改进现有的方法,提出新的方法,开发功能齐全、性能稳定、使用便捷的平台,为基于代谢组学的机制和应用研究提供生物信息学支持。方法首先,对代谢组学数据分析各个环节的方法进行梳理和比较,采用优选方法构建集成分析平台。基于多组真实数据集,通过与其他软件比较,全面评估其性能。同时,联合采用数据变换、混杂变量消除、最大信息系数、多元回归分析等方法,设计并开发了一种衡量“代谢物组-微生物组”互相关程度的新方法。采用多种仿真和真实数据验证其有效性和准确度。通过与其他方法的比较评价其优缺点。最后,通过纳入新方法、扩展知识库、扩展运行平台、改善交互体验等方式,进一步提升集成分析平台的功能和性能。结果开发的代谢组学数据集成分析平台（IP4M,V2.0）,功能齐全,性能稳定,简单易用。IP4M共有57个功能,分为8个模块,涵盖峰提取、物质鉴定、数据预处理、差异分析、聚类和相关分析、机器学习诊断模型、通路和富集分析等代谢组学数据挖掘的各个环节。与其他综合软件相比,其独有的优势有:（1）提供代谢物组-微生物组关联分析新方法（GRa MM）和新工具（3Mcor）。（2）基于自建的代谢反应库,生成一系列比值变量。这些扩展的变量可间接反映代谢酶和代谢反应的活性。（3）通路分析模块内置的知识库包含约15000种化合物,1600种通路以及7000种与代谢性疾病相关的条目。提供多种分析方法。（4）提供精细化和流程化两种使用模式,提供Windows、Linux和Mac OS版本,可满足不同用户的多种需求。结论IP4M功能齐全,结果详实丰富,使用门槛低,为代谢组学数据的一站式分析提供了强有力支持。将来,平台会支持更多仪器平台的原始数据,纳入其他多组学整合和网络分析方法。