[发明专利]基于核磁共振和质谱的代谢组学数据融合方法及其应用

说明书

本发明公开了基于核磁共振和质谱的代谢组学数据融合方法及其应用，该方法包括：分别利用核磁共振谱仪和液相色谱‑质谱仪器采集生物样品的代谢轮廓，得到基于核磁共振(NMR)和基于质谱(MS)的两种代谢组学数据；利用Diffreg检验方法，先从MS数据中筛选出对NMR数据具有补充意义的变量，将所筛选的MS变量集与NMR数据集合并；再从新数据集中删除冗余的变量，则所得的数据即为融合数据，便于后续的建模分析。本发明方法得到的模型具有更好的解释与预测性能，且对于其它代谢组学平台的数据融合具有很强的适用性。

技术领域

本发明属于分析技术领域，涉及基于核磁共振和质谱的代谢组学数据融合方法及其应用。

背景技术

代谢组学是后基因时代出现的一门新兴“组学”。它利用核磁共振波谱和色质联用等高通量的现代分析技术，结合化学计量学方法，对生物体的内源性代谢产物进行定性定量地测定和分析，以揭示生命体对基因、药物和环境等内外刺激的响应规律。与其他组学技术如基因组学、转录组学和蛋白质组学相比，代谢组学更能够真实地反映整个机体在某一特定的生理或病理状态下的代谢轮廓及已经发生的生命活动，已经成为系统生物学研究的又一重要手段。

核磁共振技术(NMR)和液相色谱质谱联用技术(LC-MS)是代谢组学研究中最常用的两种分析技术。NMR技术的主要优势在于生物样品预处理步骤简单，谱图重复性好且便于定量分析，代谢物检测无偏向性，但灵敏度较低。而LCMS检测的分辨率和灵敏度更高，可以检测到浓度较低的代谢物，但LCMS的可重现性比较差，定量相对较难。因此，联合核磁共振和质谱技术能够优势互补，获得更全面的代谢轮廓信息。但由于NMR和LCMS数据中含有一部分冗余的信息，如果直接对二者数据进行串联建模，这些冗余信息容易引起模型性能下降而得出不当的分析结果。如何有效地融合NMR和LCMS数据，提取有用信息，是提高模型性能的一个关键问题。

Diffreg检验用来检验两个模型之间是否存在显著性差异。设两个模型的参数分别为θ⁽¹⁾和θ⁽²⁾，该方法用于检验

其具体步骤如下：

(1)数据划分：将两个模型的样本随机划分为样本量相等的两部分，和以及和分别用于第二步的Screening和第三步的p值计算。

(2)Screening：Screening的过程旨在估计出一个相关变量集并诱导出参数子空间假定为真正的相关变量构成的集合，则 Screening过程应满足两个条件：(a)相较于其对应的样本量n_in数值较小；(b) 将Screening方法分别应用于以及池化样本得到θ⁽¹⁾、θ⁽²⁾和θ⁽¹²⁾的估计和以及相关变量集合的估计以及

(3)p值计算：用第二部分数据以及池化样本来计算p值。记由和决定的每一组模型其对数似然函数为L^ind，由决定的池化模型其对数似然函数为L^joint。考虑统计量LR＝2(L^ind-L^joint)，则可用排列检验或其渐进分布来计算其p值。

Diffreg检验通过检验：“在一个模型中加入一个新变量之后，模型是否发生显著变化”，从而判断新变量对现有模型是否具有补充意义。反过来，如果将不显著的变量视为冗余变量，则 Diffreg检验也可以用于删除冗余数据。因此，借助Diffreg检验，可以抽取出一种数据对于另外一种数据具有补充性的信息，也可以删除数据集中的冗余信息，从而帮助建立一个性能优良的模型。

发明内容

本发明的目的在于克服现有技术的不足之处，提供了基于核磁共振和质谱的代谢组学数据融合方法及其应用，解决了上述背景技术中的问题。