[发明专利]一种代谢组学数据融合优化处理方法

权利要求书

1.一种代谢组学数据融合优化处理方法，其特征在于，包括以下步骤：

1)将关于多个病人的不同来源的代谢组学数据分别转换成多个代谢数据矩阵；

2)利用实验设计方法分别优化不同来源的代谢组学数据最佳前处理方法，通过优化后的数据最佳前处理方法对应处理步骤1)中的代谢数据矩阵，结合分类模型找出权重或者贡献大于自定阀值的代谢物数据；

3)将步骤2)找出的权重或者贡献大于自定阀值的代谢物数据数据融合转换成重要代谢数据矩阵；

4)利用实验设计方法优化重要代谢数据矩阵的数据最佳前处理方法，通过优化后的数据最佳前处理方法处理步骤3)中的重要代谢数据矩阵，结合分类模型对不同的病人进行分型和分类。

2.根据权利要求1所述的代谢组学数据融合优化处理方法，其特征在于：步骤1)中代谢组学数据的来源可以为血液、尿液、粪便、汗液、心脏组织、肾脏组织、肝脏组织、胃肠道组织中的多种，所述代谢组学数据也可以是通过核磁共振波谱仪、液质联用仪、气质联用仪、红外光谱仪、紫外光谱仪、拉曼光谱仪中的多种得到。

3.根据权利要求1所述的代谢组学数据融合优化处理方法，其特征在于，步骤2)中具体包括以下步骤：

步骤2-1.通过实验设计方法选择不同数据前处理方法的组合方式；

步骤2-2.分别对步骤1)得到的代谢数据矩阵按步骤2-1中的组合方式进行数据前处理；

步骤2-3.将数据前处理后得到的数据输入分类模型，通过实验设计方法建立分类模型性能参数和不同数据前处理方法之间的关系，评价分类模型性能，分析不同前处理对分类模型性能参数的影响；

步骤2-4.通过实验设计方法最大化分类模型性能参数，选择最佳数据前处理方法组合；

步骤2-5.采用步骤2-4所得的最佳数据前处理方法组合，对步骤1)得到的代谢数据矩进行数据前处理，输入分类模型，筛选出对疾病分型分类贡献最大的代谢物数据。

4.根据权利要求1所述的代谢组学数据融合优化处理方法，其特征在于，步骤4)中具体包括以下步骤：

步骤4-1.通过实验设计方法选择不同数据前处理的组合方式；

步骤4-2.将步骤3)得到的代谢数据矩阵按步骤4-1中的组合方式进行数据前处理；

步骤4-3.将数据前处理后得到的数据输入分类模型，通过实验设计方法建立分类模型性能参数和不同数据前处理方法之间的关系，评价分类模型性能，分析不同前处理对分类模型性能参数的影响；

步骤4-4.将步骤3)得到的代谢数据矩阵按步骤4-3优化的最佳前处理方案进行数据前处理，输入分类模型，建立基于代谢组学数据的病人分类模型。

5.根据权利要求3或4所述的代谢组学数据融合优化处理方法，其特征在于：所述实验设计方法为响应面分析、混合设计、D优化设计、拉丁方设计、交叉设计、配对设计、析因设计中的一种或多种。

6.根据权利要求3或4所述的代谢组学数据融合优化处理方法，其特征在于：所述数据前处理方法为归一化、标准化、数据转置、数据缩放、数据平滑、数据集成中的一种或多种。

7.根据权利要求3或4所述的代谢组学数据融合优化处理方法，其特征在于：分类模型为线性判别分析模型、偏最小二乘判别分析模型、人工神经网络模型、支持向量机模型、随机森林模型、决策树模型、模糊聚类分析模型中的一种或多种。

8.根据权利要求3或4所述的代谢组学数据融合优化处理方法，其特征在于：评价分类模型性能通过拟合系数、预测性能、分类准确率、P值、受试者工作特征曲线中的一种或多种。

9.根据权利要求3所述的代谢组学数据融合优化处理方法，其特征在于：对疾病分型分类贡献最大的代谢物数据根据分类模型输出的每个代谢物的权重或者贡献度，自定义设置阈值进行筛选。