降维
非靶向 内标归一化
阈值选择
差异筛选倍数阈值
T检验P值
bian
随机森林分析：
决策树数量：决定构建多少决策树，每一个组至少包含两个样本
CCA分析：
SVM分析：代谢物分类
K值必须小于分组样品中的样品数
WGCNA分析：
模块相似度阈值越大，两个模块融合所需要的相似程度就越低，最终得到的模块数越少
R2X R2Y Q2Y越接近1越可靠
Q2Y>0.5可用，>0.9出色
归一化：按比例进行放缩，使数据值保持在一定区间
差异筛选倍数阈值：越大越严格（推荐1或2）
T检验P值：越小越严格（推荐0.05或1）
变量投影重要度VIP：越大越严格（推荐1）
