[发明专利]一种代谢谱峰位置分辨与对齐的方法

说明书

技术领域

本发明属于生物信息技术领域，涉及基于色质联用(液相或气相-质谱联用(LC/GC-MS))技术或者色谱技术(LC/GC)的高通量代谢组分析。

背景技术

本发明是一种适用于代谢组分色质联用(LC/GC-MS)和色谱(LC/GS)数据分析的新算法，可以同时完成代谢谱信号的基线校正、峰位置辨识及峰位置对齐，是代谢组数据分析的前期关键步骤。可用于生物样品(血清、尿样及植物有效成分)LC/GC-MS、LC、GC数据的预处理。

代谢组是生物体内生物化学过程的终端，包含有生物体发育、生长、病理等等重要信息。代谢组学通过分析生物样品中(血清、尿样或者其他组织提取物)中所有低分子量的代谢物的浓度或者成分的变化，建立诊断、辨识技术，研究生物体代谢机理[1-2]。GC/LC-MS是目前代谢组高通量分析的重要手段。利用代谢谱信号能够找到对照及实验样本之间的差异峰(标志成分)，利用这些差异成分可进一步建立疾病诊断、检测和分析的技术。基于色谱或者色质联用技术分析代谢组的一般步骤为[1-2]：1，获取样品，包括目标样品和对照样品；2，在适宜的条件，通过实验技术获取每个样品的代谢谱；3，数据分析，主要包括实验数据的预处理、差异代谢成分的检测、建立分类和辨识模型，以及深度机理分析。

利用LC/GC-MS或者LC/GC分析代谢组分时，需要对多个样本(对照和目标样本)分别进行实验检测。受限于仪器的分辨能力，有些峰信号会重叠在一起，准确的峰位置难以提取；也会出现基线漂移的情况，造成对峰高度或者峰面积计算的误差[3]。而且，由于系统误差和随机误差，同一组分的峰信号在不同的样本中会有小的位移，致使同一代谢组分的信号(峰)在不同的样本数据中被错误识别为两个或者多个组分。原始代谢谱数据的这些缺点要求在进行标志物分析之前，必须进行重叠信号分辨、基线校正和峰位置对齐的预处理工作。

目前，已经有一些基线校正和重叠信号的分辨方法，如小波变换技术[3-4]、去卷积技术[5]等，这些技术大都针对一种问题，如去卷积只解决重叠信号分辨的问题，而对基线校正没有效果；而且由于相关的数学计算较复杂，所以这些方法并没有在实际的数据预处理中广泛应用。

本专利基于小波变换技术，可同时实现信号的基线校正、峰位置辨识和峰位置对齐，效果良好，操作简单。

发明内容

本发明根据相关的文献，这对目前代谢组数据分析的特点和要求，找到了一种可以同时进行基线校正、峰位置辨识的方法，在此基础上，利用简单的运算完成峰位置对齐的工作，为标志物的筛选提供可靠的数据。

整个步骤包括代谢谱基线校正和峰位置辨识和峰位置对齐两个环节。

该过程伪代码如下：

设S_i(t)代表第i个样本代谢谱信号的小波变换信号，i＝1到M(样本数目)，t为t＝t0，t2，t3，...tN，N为信号长度(时间长度)。ⁱt表示第i个样本中第t个峰的位置。下文中％表示注释；cutoff为阈值。

Input S；

For i＝1 to M

  For t＝t0 to tN

    Compare ⁱt with ^jt’；j＝i to M；t’＝t0 to tN；

    ％比较i样本中中t位置和其它样本中的所有的位置

    Compute d＝ⁱt-^jt’；t’＝t0 to tN

    If d＜＝cutoff

    t_new＝mean(t)

    replace t with t_new；

    ％将所有样本中偏差小于阈值的峰位置全部用其平均值替

    换

    End if

  End for t

End for i

Output new S

至此，新的数据集合S为经过基线校正、峰位置辨识及峰位置对齐的数据，可用于标志代谢成分的检测分析。

本发明的优点有二：一是利用小波变换技术，同时实现代谢谱的基线校正和重叠峰分辨工作；一是操作简单，结果可靠，非常适合实验一线的操作人员进行数据预处理。

附图说明

图1举例说明了对一植物代谢谱(高效液相色谱数据)的基线校正和峰位置辨识，其中，虚线表示原始的代谢谱，实线代表基线校正和峰位置辨识后的谱。