代谢组学是以代谢物分析的整体方法来研究功能蛋白如何产生能量和处理体内物质，评价细胞和体液内源性和外源性代谢物浓度及功能关系的新兴学科，是系统生物学的重要组成部分，其相应的研究能反映基因组、转录组和蛋白组受内外环境影响后相互协调作用的最终结果，更接近反映细胞或生物的表型，因此被越来越广泛地应用。
随着代谢分析技术逐渐改进，获得数据已不是难题，然而能否将呈多维的、海量的波谱数据进行有效压缩和转换却是首要解决的问题，这就要借助于专门的数据分析方法。鉴定差异代谢物常用的分析方法包括主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)、正交偏最小二乘判别分析(OPLS-DA)等。数据分析结果还需要经过t检验和变量权重重要性排序(variable importance in projection，VIP)值筛选差异性代谢产物。一般认为，同时满足P<0.05，VIP>1.0的变量为差异代谢物。
人类代谢数据库(HMDB)是一个全面的、免费的网络资源，包含了有关人体代谢物的详细信息。人体代谢物是指在人体内发现的小分子，包括肽、脂类、氨基酸、核酸、碳水化合物、有机酸、生物胺、维生素、矿物质、食品添加剂、药物、化妆品、污染物，以及人类摄入、代谢、分解或接触的任何其他化学物质。代谢组学的发展(即代谢体的研究)的关键是代谢组学数据库的开发。就像基因组学和蛋白质组学依赖于GenBank和UniProt中的参考序列来注释基因和蛋白质一样，代谢组学也至关重要地依赖于参考化合物数据和参考光谱数据来注释代谢物。尽管存在许多“代谢”数据库，例如KEGG，Reactome和Cyc数据库，但真正的“代谢组学”数据库却相对较少。一些较著名的代谢组学数据库包括Metlin，MetaboLights，Metabolomics Workbench，Lipid Maps和HMDB。
随着代谢组学的日益发展，越来越多的人把目光转向代谢组学的研究，而其数据处理也已经成为研究中重要的难题。虽然目前国内外代谢组学的研究已经取得了一些成果，但由于其尚未有功能完备的数据库，数据分析受到一定的限制。 与此同时，生物样本的复杂性使得代谢组学的研究难以达到分析全部的组分以及所有的代谢成分的要求，这就需要进一步发展高通量、高效、快速的以及整合化的仪器分析技术，开发能满足全组分分析的算法和软件，将仪器分析技术、数据处理技术、多元统计分析技术以及可视化软件有机结合起来，以更好地促进代谢组学的发展。
