[發明專利]一種代謝組學數據融合優化處理方法

有效

• 申請號: 201710227598.1
• 申請日: 2017-04-10
• 公開（公告）號: CN107133448B
• 公開（公告）日: 2020-05-01
• 發明（設計）人: 鄭宏;高紅昌
• 申請（專利權）人: 溫州醫科大學
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16C20/10;G16C20/70
• 代理公司: 溫州金甌專利事務所(普通合伙) 33237
• 代理人: 林巖龍

1.一種代謝組學數據融合優化處理方法，其特征在于，包括以下步驟：

1)將關于多個病人的不同來源的代謝組學數據分別轉換成多個代謝數據矩陣；

2)利用實驗設計方法分別優化不同來源的代謝組學數據最佳前處理方法，通過優化后的數據最佳前處理方法對應處理步驟1)中的代謝數據矩陣，結合分類模型找出權重或者貢獻大于自定閥值的代謝物數據；

3)將步驟2)找出的權重或者貢獻大于自定閥值的代謝物數據數據融合轉換成重要代謝數據矩陣；

4)利用實驗設計方法優化重要代謝數據矩陣的數據最佳前處理方法，通過優化后的數據最佳前處理方法處理步驟3)中的重要代謝數據矩陣，結合分類模型對不同的病人進行分型和分類。

2.根據權利要求1所述的代謝組學數據融合優化處理方法，其特征在于：步驟1)中代謝組學數據的來源可以為血液、尿液、糞便、汗液、心臟組織、腎臟組織、肝臟組織、胃腸道組織中的多種，所述代謝組學數據也可以是通過核磁共振波譜儀、液質聯用儀、氣質聯用儀、紅外光譜儀、紫外光譜儀、拉曼光譜儀中的多種得到。

3.根據權利要求1所述的代謝組學數據融合優化處理方法，其特征在于，步驟2)中具體包括以下步驟：

步驟2-1.通過實驗設計方法選擇不同數據前處理方法的組合方式；

步驟2-2.分別對步驟1)得到的代謝數據矩陣按步驟2-1中的組合方式進行數據前處理；

步驟2-3.將數據前處理后得到的數據輸入分類模型，通過實驗設計方法建立分類模型性能參數和不同數據前處理方法之間的關系，評價分類模型性能，分析不同前處理對分類模型性能參數的影響；

步驟2-4.通過實驗設計方法最大化分類模型性能參數，選擇最佳數據前處理方法組合；

步驟2-5.采用步驟2-4所得的最佳數據前處理方法組合，對步驟1)得到的代謝數據矩進行數據前處理，輸入分類模型，篩選出對疾病分型分類貢獻最大的代謝物數據。

4.根據權利要求1所述的代謝組學數據融合優化處理方法，其特征在于，步驟4)中具體包括以下步驟：

步驟4-1.通過實驗設計方法選擇不同數據前處理的組合方式；

步驟4-2.將步驟3)得到的代謝數據矩陣按步驟4-1中的組合方式進行數據前處理；

步驟4-3.將數據前處理后得到的數據輸入分類模型，通過實驗設計方法建立分類模型性能參數和不同數據前處理方法之間的關系，評價分類模型性能，分析不同前處理對分類模型性能參數的影響；

步驟4-4.將步驟3)得到的代謝數據矩陣按步驟4-3優化的最佳前處理方案進行數據前處理，輸入分類模型，建立基于代謝組學數據的病人分類模型。

5.根據權利要求3或4所述的代謝組學數據融合優化處理方法，其特征在于：所述實驗設計方法為響應面分析、混合設計、D優化設計、拉丁方設計、交叉設計、配對設計、析因設計中的一種或多種。

6.根據權利要求3或4所述的代謝組學數據融合優化處理方法，其特征在于：所述數據前處理方法為歸一化、標準化、數據轉置、數據縮放、數據平滑、數據集成中的一種或多種。

7.根據權利要求3或4所述的代謝組學數據融合優化處理方法，其特征在于：分類模型為線性判別分析模型、偏最小二乘判別分析模型、人工神經網絡模型、支持向量機模型、隨機森林模型、決策樹模型、模糊聚類分析模型中的一種或多種。

8.根據權利要求3或4所述的代謝組學數據融合優化處理方法，其特征在于：評價分類模型性能通過擬合系數、預測性能、分類準確率、P值、受試者工作特征曲線中的一種或多種。

9.根據權利要求3所述的代謝組學數據融合優化處理方法，其特征在于：對疾病分型分類貢獻最大的代謝物數據根據分類模型輸出的每個代謝物的權重或者貢獻度，自定義設置閾值進行篩選。