[发明专利]一种生物代谢组学数据处理方法、分析方法及装置和应用

权利要求书

1.一种生物代谢组学数据处理方法，其特征在于，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，所述生物代谢组学数据处理方法包括筛选出多个所述待测样品中的差异代谢物的步骤，所述筛选出多个所述待测样品中的差异代谢物的步骤包括：

（1）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；

（2）缺失峰补齐处理：对所述二维矩阵数据进行稀疏重构处理，再进行降维处理；所述稀疏重构处理的方法包括二维离散余弦变换法；所述降维处理的方法包括压缩感知算法；

采用所述二维离散余弦变换法进行所述稀疏重构处理，并采用所述压缩感知算法进行所述降维处理时，具体包括如下步骤：a:设步骤（1）得到的所述二维矩阵数据为，其中，n为代谢组学特征数；b：形成二维观测矩阵y=Ax+N，其中，，A为采用所述二维离散余弦变换进行稀疏构成的字典矩阵，x为稀疏矩阵，N为加性高斯白噪声，m为所述二维观测矩阵的维度，即输入信号x经过所述二维离散余弦变换得到的维度数；c:采用正交匹配追踪算法计算所述稀疏重构处理得到的数据的频率f_t和残差R_t；

，

，

其中，为经过t次迭代的索引积核选出的所述字典矩阵A的列集合，f_t为t次迭代后的频率，R_t为t次迭代后的残差，上标H为所述字典矩阵的转置操作；

根据f_t，采用二维离散反余弦变换恢复压缩后的数据，得数据X’，其中，，且mn，取m=20；

判断迭代完成后R_t是否高于允许的最大训练残差值；若迭代完成后R_t高于所述允许的最大训练残差值，则重复步骤a、步骤b和步骤c；反之，停止迭代；

（3）对步骤（2）得到的数据进行化学计量分析，筛选出所述待测样品中的所述差异代谢物。

2.如权利要求1所述的生物代谢组学数据处理方法，其特征在于，所述待测样品的液相色谱-质谱数据的检测过程中还包括校验的操作，所述校验包括如下步骤：所述检测的过程中插入对QC样品的测试，所述QC样品为所述待测样品的混合物，基于所述QC样品的液相色谱-质谱数据对所述待测样品的液相色谱-质谱数据进行系统误差校正。

3.如权利要求2所述的生物代谢组学数据处理方法，其特征在于，所述校验过程中，删除所述QC样品的液相色谱-质谱数据中变异系数大于30%的特征；

和/或，所述QC样品的液相色谱-质谱数据中变异系数小于30%的特征峰的比例为大于70%。

4.如权利要求1所述的生物代谢组学数据处理方法，其特征在于，所述预处理包括基线校正、峰识别、峰过滤和峰对齐中的任意一种或多种；

和/或，所述预处理在AMIX tool-kit软件、MetaXCMS软件、MZmine2软件或Mnova软件中进行；

和/或，所述预处理的操作前还进一步包括将所述液相色谱-质谱数据原始数据转化为mzXML格式数据的操作。

5.如权利要求1所述的生物代谢组学数据处理方法，其特征在于，所述标准化处理在MetaXCMS软件中进行。

6.如权利要求1所述的生物代谢组学数据处理方法，其特征在于，所述标准化处理的方法包括权重转换。

7.如权利要求6所述的生物代谢组学数据处理方法，其特征在于，所述标准化处理包括如下步骤：对所述预处理后的生物代谢组学数据进行中心化，再除以列变量标准差。

8.如权利要求1所述的生物代谢组学数据处理方法，其特征在于，所述化学计量分析包括核主成分分析KPCA。

9.如权利要求8所述的生物代谢组学数据处理方法，其特征在于，所述差异代谢物的筛选条件包括VIP≥1。