作者將提出的方法與其它9種代謝組中常用的方法(包含t-test)進行比較，發現有較低的 misclassification error rates(MERs) 和較高的 AUC ，證明了該方法的優越性。
Github： /nishithkumarpaul/Rvolcano
數據集由40行代謝物和40個樣本組成，其中（癌癥和健康組各20生物學重復）
我們查看下 foldChngCalc 該函數,可以看到主要是通過apply函數計算了 weightedMean 值，即加權平均數, 而不是我們常用的 mean (算術平均數)。
通過壹個例子計算下，觀察 weightedMean 函數和 mean 有啥區別，,我們創建壹個正態分布的向量集x和壹個含有較高離群值的向量集，分布計算壹下結果。
使用 p.valcalc 函數進行差異分析，使用robust vesion的t-test獲取p值，公式可以查看函數源碼，用到了 weightedVar加權方差 。
log2foldchange和Pvalue都有了，直接使用 RobVolPlot 函數繪圖
已經得到了log2foldchange和Pvalue數據了，我們就可以自己拿著數據繪制圖形了
參考資料