基于IS联合SVR的大规模组学数据校正方法及系统技术方案

本发明专利技术提供基于IS联合SVR的大规模组学数据校正方法，校正方法包括：1)制作QC样本数据，将QC样本插入待测样本并进行基于色谱

Correction method and system of large-scale omics data based on is and SVR

【技术实现步骤摘要】
基于IS联合SVR的大规模组学数据校正方法及系统


[0001]本专利技术属于生物代谢组学
，具体来说，涉及一种基于IS联合SVR的大规模组学数据校正方法。

技术介绍

[0002]代谢组学是近年来在生物医学、食品安全和环境毒理学等领域出现的新兴前沿技术。由于生物个体在生理状态和生活方式上的多样性，大队列样本的代谢组学研究因其在平均生物异质性方面的优势而出现越来越广泛的应用；高通量的LC
‑
MS技术的发展也进一步促进了大规模代谢组学的发展。在大规模、长周期的代谢组学实验过程中，来源于分析前阶段(样品采集，样品储存条件和时间，样品制备，不同操作人员等)和分析阶段(分析顺序，质谱响应波动，基质效应，保留时间漂移等)的非生物变异(又称技术变异或有害变异)，会给代谢组学研究引入偏差，导致低重复性、不可靠的分析结果。标准操作程序(SOP)和稳健的实验设计可以一定程度上降低非生物变异，但却无法完全消除。因此，在数据采集后，非生物的系统误差的识别、评价和消除对于大规模代谢组学数据的质量控制十分重要。目前，主流的代谢组学数据校正方法主要分为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IS联合SVR的大规模组学数据校正方法，所述数据为生物代谢组学数据，所述生物代谢组学数据包括待测样品的液相色谱
‑
质谱数据或气相色谱
‑
质谱数据，所述生物代谢组学数据校正方法包括：1)将QC样本插入实际样本分析序列中并进行基于色谱
‑
质谱方法的代谢组学分析，获取QC样本和实际样本的生物代谢学数据，所述生物代谢数据包括含有各样品的各组峰面积、保留时间和质荷比信息的数据；2)对所述生物代谢组学数据进行预处理和标准化处理，得到二维矩阵数据；3)建立IS标度化和支持向量回归丰度预测模型：使用QC样本数据作为训练数据，根据代谢物在QC样本q中峰面积的相对标准偏差参数的变化选择最佳IS，并判断是否需要执行最佳内标校正标度化，然后根据IS校正后QC样本的峰面积变化与进样顺序、批次和强相关的其他代谢物之间的关系，拟合峰面积的支持向量回归预测模型，根据这个模型预测数据中的随机系统误差；4)使用实际样本数据作为测试数据，把实际样本s的代谢物峰面积参数代入到上一步骤在QC样本数据上建立的IS标度化和支持向量回归丰度预测模型中，去除实际样本数据中的随机系统误差，最后乘上代谢物在所有QC样本的中位数，获得每个实际样本s中计算归一化后的代谢物峰面积，实现代谢组的系统误差校正。2.如权利要求1所述的基于IS联合SVR的大规模组学数据校正方法，其特征在于，所述步骤2)所述预处理包括：2.1)将所述色谱
‑
质谱数据原始数据转化为mz XML格式数据；2.2)使用XCMS软件包、CAMERA软件包进行峰识别、峰过滤、峰对齐和注释，最后导出峰面积的二维数据矩阵；2.3)对步骤2.2)得到的数据进行格式检查，将数据转换成满足后续程序运行要求的格式。3.如权利要求1所述的基于IS联合SVR的大规模组学数据校正方法，其特征在于，所述步骤(3)中根据下述公式(1)建立IS标度化和支持向量回归丰度预测模型：具体包括：3.1)通过最佳IS选择后的相对标准偏差变化以判断是否执行IS校正，执行如下公式(2)的条件判断筛选：其中，IS
b，q
表示代谢物i的最佳ISb的峰面积；表示代谢物i的最佳ISb在所有样本中的平均峰面积；如果满足IS标度化条件，可设为与IS
b，q
的比值；否则，设为1；3.2)应用代谢特征在相邻两个QC样本中的响应强度值，构建代谢特征的支持向量回归模型ωΦ，即ωΦ(m，B，inj)；其中，B、inj和m分别表示批次效应、进样顺序和其他代谢物的
...

【专利技术属性】
技术研发人员：陈艳华，丁贤，余文梦，再帕尔，
申请(专利权)人：中国医学科学院药物研究所，
类型：发明
国别省市：