[發(fā)明專利]一種模型自適應(yīng)的NMR代謝組學(xué)數(shù)據(jù)歸一化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510084309.8
• 申請(qǐng)日: 2015-02-16
• 公開（公告）號(hào): CN104615903B
• 公開（公告）日: 2017-05-03
• 發(fā)明（設(shè)計(jì)）人: 董繼揚(yáng);鄧伶莉
• 申請(qǐng)（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 廈門南強(qiáng)之路專利事務(wù)所(普通合伙)35200
• 代理人: 馬應(yīng)森

1.一種模型自適應(yīng)的NMR代謝組學(xué)數(shù)據(jù)歸一化方法，其特征在于包括以下步驟：

1)數(shù)據(jù)獲取：待檢測(cè)的代謝組學(xué)生物樣本，通過(guò)核磁共振波譜儀采獲¹H NMR譜；對(duì)¹H NMR譜進(jìn)行譜圖編輯，得到待處理的NMR代謝組學(xué)數(shù)據(jù)；

2)數(shù)據(jù)中心化和歸一化系數(shù)初始化：待歸一化的NMR代謝組學(xué)數(shù)據(jù)表示為X，其每一行表示一個(gè)樣本譜，樣本類別矢量表示為Y，分別對(duì)X和Y做中心化處理；歸一化系數(shù)矢量記為s＝[s₁,s₂,...,s_d]^T，初始化s為全1列矢量；

3)歸一化處理：

X_s＝X*diag(s)

其中，diag(·)為對(duì)角矩陣變換符，即diag(s)表示生成一個(gè)以矢量s為對(duì)角元素，其它元素為0的對(duì)角矩陣；X_s為歸一化后數(shù)據(jù)矩陣；

4)多元統(tǒng)計(jì)分析：對(duì)歸一化后的數(shù)據(jù)矩陣做多元統(tǒng)計(jì)分析，其負(fù)載矢量記為u；

5)模型自適應(yīng)歸一化系數(shù)：最大化X_s在u上投影與類別矢量Y相關(guān)系數(shù)，即：

$max:r^2={\left(\frac{\mathrm{cov}\left(Xdiag\right(s)u,Y)}{std\left(Xdiag\right(s\left)u\right)*std\left(Y\right)}\right)}^2$

利用梯度下降法更新s，

$s=s+\mathrm{\η}\frac{\∂r^2}{\∂s}$

其中，

$\frac{\∂r^2}{\∂s}=\frac{2Y^{T}Xdiag\left(s\right)u*Y^{T}diag\left(u\right)*\left|\right|Xdiag\left(s\right)u|{|}_F^2-{\left(Y^{T}Xdiag\right(s\left)u\right)}^2*2s^{T}diag\left(u\right)X^{T}Xdiag\left(u\right)}{\left|\right|Xdiag\left(s\right)u|{|}_F^4*|\left|Y\right|{|}_F^2}$

其中，r表示相關(guān)系數(shù)；cov(·)和std(·)分別為協(xié)方差和標(biāo)準(zhǔn)差計(jì)算符；為梯度運(yùn)算符；η為常數(shù)，其取值范圍為(0,1)；

6)循環(huán)迭代：重復(fù)步驟3)～5)，直至滿足循環(huán)結(jié)束，其中，||·||為矢量模運(yùn)算符；ε為自定義常數(shù)。

2.如權(quán)利要求1所述一種模型自適應(yīng)的NMR代謝組學(xué)數(shù)據(jù)歸一化方法，其特征在于在步驟1)中，所述譜圖編輯包括相位與基線矯正、譜峰對(duì)齊、積分。