多变量分析(MVA)是建立在多元统计的统计原理上，即同时观察和分析两个以上的统计结果变量。多元分析可能很复杂，因为希望包含基于物理的分析，以衡量分层“系统-系统”的变量的影响。针对多元分析的研究往往因问题的维度而停滞不前。这些问题通常可以通过使用替代模型(对基于物理的代码的高度精确的近似)来缓解。由于替代模型采用方程的形式，它们可以很快地被估计出来。这使得大规模MVA成为可能:虽然使用基于物理的代码在整个设计空间进行蒙特卡罗模拟非常困难，但当评估代理模型时，它变得毫无价值，这些代理模型经常采用响应面方程的形式。多变量统计已经成为分析代谢组学数据的有用工具。
由于代谢组学数据通常由几十个特征(峰、化合物)组成，其中许多特征随时间、表型或不同实验条件的变化而变化，因此需要对代谢组学数据进行多变量数据分析。MVA技术包括PCA、多元方差分析、多元回归分析、因子分析和判别分析等。创造性蛋白质组学支持多种广泛使用的多元方法，如asPCA和PLS-DA。这两种方法对于通过降维和数据可视化来分析代谢组学数据是非常有用的。
Creative Proteomics提供的多元分析服务包括:
如何下订单:
*如果您的机构要求签署保密协议，请通过电子邮件与我们联系