[发明专利]一种用于代谢组学数据处理中消除外源性成分干扰的分析方法

说明书

技术领域

本发明涉及药物代谢学的数据处理方法，具体涉及一种药物代谢学数据处理中如何剔除外源性成分数据的分析方法，经消除外源性数据干扰后能真实展现和评价药物的整体生物效应。 

背景技术

代谢组学是“后基因组学”时期新兴的一门“组学”技术，也是系统生物学的重要组成部分，它是关于生物体系受刺激或扰动后(如将某个特定的基因变异或环境变化后)其代谢产物(内源代谢物质)种类、数量及其变化规律的科学。它研究的是生物整体、系统或器官的内源性代谢物质的代谢途径及其所受内在或外在因素的影响。常用的方法是检测和量化一个生物整体代谢组随时间变化的规律；建立内在和外在因素影响下，代谢组整体的变化轨迹，来反映某种病理(生理)过程中所发生的一系列生物事件。 

目前，代谢组学方法已被应用于评价药物(尤其是中药)的治疗作用。中药的化学成分复杂，其在治疗疾病时主要是药效组分在多靶点或多器官上发挥整体综合调节作用，而代谢组学是研究机体内所有小分子代谢物在受外界因素干扰后的整体变化，恰恰能表征中药多成分所产生的整体生物效应。然而，进行代谢组学研究时，要求所采用的分析技术如液相色谱质谱联用(LC-MS)技术和核磁共振光谱(NMR)技术对生物样品中所有小分子代谢物进行全扫描的检测，这其中包括外源性的药物原型成分及其代谢物。在随后的模式识别分析中，这些外源性成分数据的存在必定干扰对内源性代谢组的建模，将使对药物整体生物效应的评价发生偏离。因此，在代谢组学数据处理时，必须将外源性成分的数据彻底剔除，使正确评价药物的整体生物效应。 

以往剔除外源性成分数据的方法主要有：(1)对采集的全扫描数据进行多变量统计分析，如PCA、PLS-DA、OPLS-DA，抽提引起组间分离的标志物，然后进行鉴定，如果是外源性成分，则从数据中剔除，然后再次进行多变量统计分析，如此循环操作，直到抽提的标志物均为内源性代谢物，这时才能进行药物生物效应的整体评价；(2)首先比较给药组和空白组的图谱，找出药物的原型成分和代 谢物，然后在代谢组学数据中将这些外源性的成分数据逐一剔除，最后进行多变量统计分析，评价药物的整体生物效应。 

上述方法繁琐费时，而且不能完全剔除外源性成分数据的干扰。本发明提供了一种在代谢组学数据处理过程中，通过有效分组，直接将外源性成分数据剔除的分析方法。该方法简单、快速、彻底，能使药物的整体生物效应得到真正展现和科学评价。 

发明内容

本发明所要解决的技术问题是：将各实验组进行重新合并分成两组，一组只包含给药组，另一组包含所有不给药的组，通常是空白组和模型组，然后进行多变量统计分析，抽提只有在给药组在存在，而在其它不给药组中响应值为零的标志物，即为外源性代谢物，将其剔除，从而解决利用代谢组学方法评价药物整体生物效应时如何排除外源性成分数据干扰的问题。 

为解决上述问题，本发明提供如下技术方案，步骤包括： 

数据分组：将各实验组合并分为两组，一组只包含给药组，另一组包含所有不给药的组，通常有空白组、动物模型组。 

数据处理：应用化学计量学的正交偏最小二乘判别分析法(OPLS-DA)对两组数据进行处理，给出S-Plot图，或者应用化学计量学的偏最小二乘判别分析法(PLS-DA)进行处理，给出Loadings Plot图，再或者应用化学计量学的主成分分析法(PCA)进行处理，给出Loadings Plot图。 

数据剔除：结合Trend Plot图，在OPLS-DA分析的S-Plot图中，或者是在PLS-DA分析的Loadings Plot图中，再或者是PCA分析的Loadings Plot图中，选择只有在给药组存在而在另一组中不存在的数据点，即为外源性成分数据，将这部分数据剔除。 

数据更新和建模：剔除外源性成分数据点后，更新数据组，再进行模式识别的PCA分析，在Scores Plot图中描绘了内源性代谢组在药物治疗前后的变化轨迹，从而在整体上评价药物的整体生物效应。 

本发明的突出优点是，不需要预先获知药物组成及其代谢物的信息，通过本发明的分组设计，外源性成分将直接暴露在S-Plot图的一侧或Loadings Plot图的一个集中区域内，再根据外源性成分只有在给药组存在而在另一组中响应值为零 的分布特点，能够将其直接抽提出来，然后剔除掉，数据更新后可直接进行下一步的内源性代谢组变化轨迹的分析。这一点对于化学组成复杂的中药尤为重要。 

附图说明