该技能面向代谢组学数据分析，从代谢物鉴定一直延伸到定量、统计分析、通路解读以及与其它组学层面的整合。
用途与适用场景 当用户拥有 LC-MS、GC-MS 或 NMR 代谢组学数据，或提出关于代谢物丰度或浓度、差异代谢物分析、代谢通路分析、代谢组学与其它组学整合、代谢生物标志物发现、通量平衡分析或代谢建模、代谢物-酶相关性等问题时，可触发该技能。示例问题包括分析 LC-MS 数据寻找差异代谢物、判断条件间哪些代谢通路失调、筛选疾病分类的代谢物标志物、将代谢物水平与酶表达进行相关、对差异代谢物做通路富集、把代谢组学与转录组学整合、刻画细胞系代谢表型、识别与药物响应相关的代谢物等。
主要能力 该技能的核心能力包括：数据导入（LC-MS、GC-MS、NMR、靶向/非靶向平台）；代谢物鉴定（匹配 HMDB、KEGG、PubChem、谱图库）；质量控制（峰质量、空白扣除、内标归一化）；归一化（概率商归一化、总离子流、内标）；统计分析（单变量和多变量，PCA、PLS-DA、OPLS-DA）；差异分析；通路富集（KEGG、Reactome、BioCyc 代谢通路分析）；代谢物-酶整合（与表达数据相关联）；通量分析（代谢通量平衡分析 FBA）；生物标志物发现（多代谢物特征）。
使用方式与工作流 整体流程分为 8 个阶段。输入为代谢组学数据（峰表或谱图）。阶段 1：数据导入与代谢物鉴定，加载峰表或处理原始谱图，将特征匹配到 HMDB、KEGG 等数据库，注释化学 ID、分子式和通路，并对鉴定结果进行置信度评分（Level 1 有标准品确认的 MS + RT 匹配；Level 2 可能的 structure，基于精确质量 + MS/MS；Level 3 暂定匹配，仅精确质量；Level 4 未知代谢物）。支持峰表（样本为行、代谢物为列，如 Control/Disease 分组）以及 .mzML、.mzXML、GC-MS、NMR 谱图。阶段 2：质量控制与过滤，评估峰质量（CV、空白比值）、去除背景峰、过滤低质量代谢物、检查内标；例如 QC 样本 CV 应小于 30%，空白/样本比值过滤保留大于 3 的代谢物，缺失值超过 50% 则去除。阶段 3：归一化，可选用 TIC、PQN（概率商归一化，比 TIC 更稳健）或内标归一化，并进行批次效应校正、log 变换或标度化（log2、Pareto、auto-scaling）。阶段 4：探索性分析，PCA 用于样本聚类、质量评估图、离群检测和样本相关性；PLS-DA 可用于监督式降维和分类。阶段 5：差异分析，使用 t 检验、ANOVA、Wilcoxon 等统计检验，计算倍数变化，进行多重检验校正，并生成火山图和热图。阶段 6：通路分析，包括代谢物集富集（MSEA）、通路拓扑分析、KEGG/Reactome 通路映射，识别失调通路。阶段 7：多组学整合，将代谢物与酶表达（RNA/蛋白）相关联，分析代谢物-基因关联，进行通路水平整合和代谢通量推断；代谢物-酶相关性中，底物加酶预期负相关（消耗），产物加酶预期正相关（生成）。阶段 8：生成报告，包含汇总统计、差异代谢物、通路图、多组学整合图和生物标志物面板。
限制与暂未提供的信息 该技能的具体安装命令、运行环境依赖版本、收费方式或价格、平台支持范围、性能指标和完整报告输出格式等，在所给资料中暂未提供。通路拓扑分析等部分功能仅给出思路，未提供完整实现细节。