[發明專利]基于IS聯合SVR的大規模組學數據校正方法及系統

在審

• 申請號: 202210120022.6
• 申請日: 2022-01-29
• 公開（公告）號: CN114705766A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 陳艷華;丁賢;余文夢;再帕爾·阿不力孜;張瑞萍
• 申請（專利權）人: 中央民族大學;中國醫學科學院藥物研究所
• 主分類號: G01N30/02
• 分類號: G01N30/02;G01N30/72;G01N30/86;G06K9/62;G06N20/10;G16B40/20
• 代理公司: 北京卓愛普專利代理事務所(特殊普通合伙) 11920
• 代理人: 王玉松;劉青

1.一種基于IS聯合SVR的大規模組學數據校正方法，所述數據為生物代謝組學數據，所述生物代謝組學數據包括待測樣品的液相色譜-質譜數據或氣相色譜-質譜數據，所述生物代謝組學數據校正方法包括：

1)將QC樣本插入實際樣本分析序列中并進行基于色譜-質譜方法的代謝組學分析，獲取QC樣本和實際樣本的生物代謝學數據，所述生物代謝數據包括含有各樣品的各組峰面積、保留時間和質荷比信息的數據；

2)對所述生物代謝組學數據進行預處理和標準化處理，得到二維矩陣數據；

3)建立IS標度化和支持向量回歸豐度預測模型：使用QC樣本數據作為訓練數據，根據代謝物在QC樣本q中峰面積的相對標準偏差參數的變化選擇最佳IS，并判斷是否需要執行最佳內標校正標度化，然后根據IS校正后QC樣本的峰面積變化與進樣順序、批次和強相關的其他代謝物之間的關系，擬合峰面積的支持向量回歸預測模型，根據這個模型預測數據中的隨機系統誤差；

4)使用實際樣本數據作為測試數據，把實際樣本s的代謝物峰面積參數代入到上一步驟在QC樣本數據上建立的IS標度化和支持向量回歸豐度預測模型中，去除實際樣本數據中的隨機系統誤差，最后乘上代謝物在所有QC樣本的中位數，獲得每個實際樣本s中計算歸一化后的代謝物峰面積，實現代謝組的系統誤差校正。

2.如權利要求1所述的基于IS聯合SVR的大規模組學數據校正方法，其特征在于，所述步驟2)所述預處理包括：

2.1)將所述色譜-質譜數據原始數據轉化為mz XML格式數據；

2.2)使用XCMS軟件包、CAMERA軟件包進行峰識別、峰過濾、峰對齊和注釋，最后導出峰面積的二維數據矩陣；

2.3)對步驟2.2)得到的數據進行格式檢查，將數據轉換成滿足后續程序運行要求的格式。

3.如權利要求1所述的基于IS聯合SVR的大規模組學數據校正方法，其特征在于，所述步驟(3)中根據下述公式(1)建立IS標度化和支持向量回歸豐度預測模型：

具體包括：

3.1)通過最佳IS選擇后的相對標準偏差變化以判斷是否執行IS校正，執行如下公式(2)的條件判斷篩選：

其中，IS_b，q表示代謝物i的最佳ISb的峰面積；表示代謝物i的最佳ISb在所有樣本中的平均峰面積；

如果滿足IS標度化條件，可設為與IS_b，q的比值；否則，設為1；

3.2)應用代謝特征在相鄰兩個QC樣本中的響應強度值，構建代謝特征的支持向量回歸模型ωΦ，即ωΦ(m，B，inj)；其中，B、inj和m分別表示批次效應、進樣順序和其他代謝物的影響。

4.如權利要求3所述的基于IS聯合SVR的大規模組學數據校正方法，其特征在于，所述步驟3.1)中的IS標度化方法具體為：

3.1.1)對QC樣本數據中峰面積積分獲得其相對標準偏差值，當峰面積在QC樣本中相對標準偏差小于20％，判斷是否需要進行最佳內標校正；如是，不進行最佳內標校正，如否，至步驟3.1.2)；

3.1.2)對每個代謝物的內標IS逐一歸一化，獲得相對峰面積，并計算峰面積的相對標準偏差值是否變小；如是，不進行最佳內標校正，如否，至步驟3.1.3)；

3.1.3)選擇使相對峰面積減小幅度最大的內標的歸一化結果，作為最終的最佳IS歸一化結果。

5.如權利要求1所述的基于IS聯合SVR的大規模組學數據校正方法，其特征在于，步驟3.2)中構建的支持向量回歸模型ωΦ為SVR(C、gamma、k)，其中k為相關性最強的代謝物數目，C為正則化參數、gamma為核函數系數；其算法內置基于5折交叉驗證的網格調參策略。

6.如權利要求5所述的基于IS聯合SVR的大規模組學數據校正方法，其特征在于，所述基于5折交叉驗證的網格調參策略的方法包括：

根據5折交叉驗證將QC樣本劃分為測試集和驗證集；

通過預先設定上述三個核心參數(C、gamma、k)的范圍，再運行測試N個不同的參數組合；

得到N組結果，并將最佳結果對應的參數作為推薦的默認參數輸出。