在上传数据时，IPA能够通过辨识同一个分子不同的ID命名规则来提高数据集上传过程中“mapping”的成功率（能够提高识别ID的个数）。 一个分子能够提供最多5个命名规则IPA将从左到右辨识，并在成功映射ID时停止（对于该行）。
本次更新的对于识别代谢产物或化合物ID的尤其有价值。图1显示了上传过程中的一个数据集，其中包含代谢物的四列不同命名规则的ID，能够映射的行比单独使用任何一种命名规则的时候要多。
图1：在上传过程中能提供多个命名方式的ID列以增加映射覆盖率。此数据集有四列不同命名规则的ID提供映射。每选择一个命名规则，Dataset Summary就会自动更新能识别的分子数。在本例中，如果只使用HMDB命名规则只能映射344个化合物（行）；但当所有ID列（PubChem，CAS，KEGG和HMDB）一起使用时，IPA从左到右扫描，能够映射379个化合物（行）。
使用Benjamini-Hochberg统计数据提高统计严格性
IPA上游调控因子和因果网络分析中引入了Benjamini Hochberg（B-H）校正p值，增加了核心分析中这些结果的统计严格性。B-H p值为多次测试进行纠正——事实上，运行的统计测试越多，观察到假阳性结果的机会就越大。图2显示了核心分析中的上游调节因子选项卡新的B-H列。请注意，这些新的p值不会出现在本次更新之前（2019.3.31）运行的任何分析中。如果需要查看这一统计值，需在本次更新后再重新运行一次核心分析才能查看。
在IPA中，B-H p值可用于经典通路和疾病和功能分析。如今可以在“疾病和功能”选项卡中选择“B-H”列，如下所示：
图3：疾病和功能选项卡现在在表中有一个可选的“B-H校正p值列”。默认情况下不显示该列，必须单击“自定义表”按钮，然后勾选“B-H p值”复选框以显示该列。
疾病和功能热图可以用B-H校正后的P值来显示。矩形可以通过B-H p值的-log来着色和/或调整大小，如图4所示。
图4：疾病和功能热图可以使用B-H校正后的p值进行可视化。使用菜单（红色虚线框）按B-H p值的-log对热图进行着色和/或调整大小。
本次更新后，Comparison Analysis和 Analysis Match功能也将提供B-H统计信息。
轻松获得视频教程
IPA中的“帮助”菜单现在提供视频教程的快速链接，帮助您开始学习如何使用IPA。主题包括如何格式化和上载数据、如何分析数据以及如何计算IPA中的p值：
图5:IPA帮助菜单中的新视频教程链接。该链接将指向一个新的帮助门户页面，其中包含一组视频以帮助您使用IPA。
