[發(fā)明專利]多批次靶向代謝組學(xué)數(shù)據(jù)的校正方法

有效

• 申請?zhí)枺?/td>: 201810472993.0
• 申請日: 2018-05-17
• 公開（公告）號: CN108931590B
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計）人: 許麗;倪君君
• 申請（專利權(quán)）人: 北京和合醫(yī)學(xué)診斷技術(shù)股份有限公司
• 主分類號: G01N30/02
• 分類號: G01N30/02
• 代理公司: 北京雙收知識產(chǎn)權(quán)代理有限公司 11241
• 代理人: 解政文

本發(fā)明多批次靶向代謝組學(xué)數(shù)據(jù)的校正方法包括：收集多份與待測樣本相同的樣本基質(zhì)組成QC樣本；在待測樣本前添加1個QC樣本作為第一QC樣本，并且在后續(xù)的每8?15個待測樣本中插入1個QC樣本，記錄插入QC樣本的進樣序數(shù)n，然后按照完全相同條件對該批次所有樣本進行檢測分析，得到該批次的各樣本中靶向代謝物的濃度；檢測到的所有QC樣本中靶向代謝物濃度與第一批次檢測到的第一QC樣本中靶向代謝物濃度的比值Y作為縱坐標，以該批次所有QC樣本的進樣序數(shù)n作為橫坐標，構(gòu)建相關(guān)線性擬合方程Y＝a*n+b；將每一批次每個樣本的進樣序數(shù)n代入方程，分別得到該批次的每個樣本的校正因子，對每個樣本進行系統(tǒng)誤差的校正。

技術(shù)領(lǐng)域

本發(fā)明涉及分析化學(xué)和代謝組學(xué)領(lǐng)域，是一種用于多批次代謝組學(xué)數(shù)據(jù)校正的方法。

背景技術(shù)

代謝組學(xué)是繼基因組學(xué)、蛋白組學(xué)后系統(tǒng)生物學(xué)的另一重要研究領(lǐng)域，它以組群指標分析為基礎(chǔ)，以高通量檢測和數(shù)據(jù)處理為手段，以信息建模與系統(tǒng)整合為目標，通過定性鑒別和定量描述生物基質(zhì)中小分子代謝物的表達與修飾變化，反映外界刺激或遺傳修飾的細胞或組織的代謝應(yīng)答變化。靶向代謝組學(xué)是對目標明確的代謝物的檢測分析，常常要對大量樣本進行分析及驗證，通常需要將大量樣本分多批次進行測試，而各批次間儀器響應(yīng)的狀態(tài)可能有所不同，造成不同批次間代謝數(shù)據(jù)的誤差，為了使不同批次、不同人員、不同儀器的多批次數(shù)據(jù)可以整合分析，我們建立了一種多批次靶向代謝組學(xué)數(shù)據(jù)的校正方法，可滿足長期靶向代謝組學(xué)分析的需要。

本發(fā)明首先在各分析批中加入QC樣本，計算全部QC樣本與第1個QC樣本中靶向代謝物濃度的比值為Y_n，再分別建立各批次的線性擬合模型，對數(shù)據(jù)集的系統(tǒng)誤差進行校正。通過對上述過程的數(shù)據(jù)處理，可以準確、高效、高通量的校正代謝組數(shù)據(jù)的系統(tǒng)誤差和隨機誤差，改善代謝組學(xué)數(shù)據(jù)的質(zhì)量，實現(xiàn)多批次靶向代謝組學(xué)數(shù)據(jù)的整合分析。

發(fā)明內(nèi)容

針對上述技術(shù)問題，本申請的發(fā)明目的是建立一種多批次靶向代謝組學(xué)數(shù)據(jù)校正的方法。該方法可校正系統(tǒng)誤差，并一定程度上降低隨機誤差對結(jié)果的影響，具有數(shù)據(jù)處理過程簡單、結(jié)果準確、可操作性強等特點，可廣泛用于代謝組學(xué)研究。

為了完成本申請的發(fā)明目的，本申請采用以下技術(shù)方案：

本發(fā)明的一種多批次靶向代謝組學(xué)數(shù)據(jù)的校正方法，它包括以下步驟：

(一)制作QC樣本：

收集多份與待測樣本相同的樣本基質(zhì),并均勻混合成一個大的樣本，即為QC樣本，對該QC樣本進行分裝保存；

(二)獲取代謝組學(xué)數(shù)據(jù)：

在進行每一批次待測樣本檢測時，在待測樣本前添加1個上述步驟(一)所述的QC樣本作為第一QC樣本，并且在后續(xù)的每8-15個待測樣本中插入1個上述步驟(一)所述的QC樣本，記錄插入QC樣本的進樣序數(shù)n，然后按照完全相同條件對該批次所有樣本進行檢測分析，得到該批次的各樣本中靶向代謝物的濃度；

(三)獲得并構(gòu)建線性擬合模型數(shù)據(jù)：

將步驟(二)檢測到的所有QC樣本中靶向代謝物濃度與第一批次檢測到的第一QC樣本中靶向代謝物濃度的比值Y作為縱坐標，以該批次所有QC樣本的進樣序數(shù)n作為橫坐標，構(gòu)建相關(guān)線性擬合方程Y_＝a*n+b，并且得到a和b；

(四)校正數(shù)據(jù)集的系統(tǒng)誤差：

將每一批次每個樣本的進樣序數(shù)n代入到步驟(三)得到的方程Y_＝a*n+b中，分別得到該批次的每個樣本的校正因子，用該批次的每個樣本的儀器檢測濃度除以每個樣本的校正因子，得到對每個樣本經(jīng)過系統(tǒng)誤差校正后的數(shù)據(jù)；

(五)多批次靶向代謝組學(xué)數(shù)據(jù)的校正：

重復(fù)步驟(二)至步驟(四)，得到每一批次每個樣本經(jīng)過系統(tǒng)誤差校正后的數(shù)據(jù)；