[发明专利]一种代谢物组与微生物组的数据相关分析系统及方法

说明书

本发明提供一种代谢组与微生物组数据相关分析系统及方法，涉及多组学数据整合分析与处理技术领域，包括一服务器，服务器连接一多组学数据库，用于保存代谢组原始数据和微生物组原始数据和协变量数据；服务器包括第一数据处理模块，获取代谢组原始数据并处理得到代谢物数据文件；第二数据处理模块获取微生物组原始数据并处理得到微生物数据文件；待分析数据生成模块用于生成数据对和向量对；第一相关分析模块对各数据对进行相关分析得到各数据对的相关关系；第二相关分析模块对各向量对进行相关分析得到各向量对的相关关系。本发明对原始数据的分布和结构要求低，相关分析的准确度高、实用性强，同时为后续科学问题的提出和假设提供参考。

技术领域

本发明涉及多组学数据整合分析与处理技术领域，尤其涉及一种代谢物组与微生物组的数据相关分析系统及方法。

背景技术

代谢物组和微生物组数据信息多样且数据量庞大,变量间关系错综复杂。相关分析有助于在海量数据间找到有效关联对,是转化医学和系统生物学研究中常用手段之一。代谢组学和微生物组学两大组学平台由于具备整体系统性分析的功能,广泛应用到了微生物和代谢物的相关研究中。代谢组学和微生物组学数据的来源、结构和特点各不相同,需科学选取相关分析方法进行高质量跨组学研究。

近年来随着两组学的不断发展和广泛应用，各种广泛性和特征性的相关分析方法或工具也相继更新迭代。其中经典的相关分析方法包括Pearson积相关、Spearman秩相关、线性回归分析、典型相关分析等。而具有广泛性的最大信息系数法适用于分析各种类型的数据集，且可发现数据间存在的各种复杂相关关系，包括线性相关和非线性相关关系、函数相关和非函数相关关系。由于微生物组数据属于组分数据的一种，具有稀疏性和内部关联度高等特征，故针对此类组分数据一些特殊的相关方法也相继产生。如SparCC和CCLasso是基于Pearson积相关方法，并针对组分数据内部变量的相关性研究而改进的方法，相较于常规相关分析法能更精准的在该类数据集中找到相关对，但同时存在较高的假阳性或低检出率等缺点。

发明内容

针对现有技术中存在的问题，本发明提供一种代谢物组与微生物组的数据相关分析系统，包括一服务器，所述服务器连接一多组学数据库，所述多组学数据库用于保存代谢物组原始数据、微生物组原始数据和协变量数据；

所述服务器具体包括：

第一数据处理模块，用于获取所述代谢物组原始数据并处理得到代谢物数据文件，所述代谢物数据文件包括以行列形式排布的多个代谢物变量；

第二数据处理模块，用于获取所述微生物组原始数据并处理得到微生物数据文件，所述微生物数据文件包括以行列形式排布的多个微生物变量；

数据获取模块，用于于所述多组学数据库中获取所述协变量数据；

待分析数据生成模块，分别连接所述第一数据处理模块和所述第二处理模块，以及导入多组学数据库中的协变量数据，所述待分析数据生成模块具体包括：

指令接收单元，用于接收外部的控制指令并输出，所述控制指令包括单维相关分析指令和多维相关分析指令；

数据对生成单元，连接所述指令接收单元，用于根据所述单维相关分析指令，将各所述代谢物变量与各所述微生物变量加入一变量集合，并将所述变量集合中的各变量进行两两组合生成多个数据对；

数据降维单元，连接所述指令接收单元，用于根据所述多维相关分析指令，将所述代谢物数据文件进行降维处理得到代谢物特征向量文件和将所述微生物数据文件进行降维处理得到微生物特征向量文件；所述代谢物特征向量文件包括至少一个代谢物特征向量；所述微生物特征向量文件中包括至少一个微生物特征向量；

向量对生成单元，连接所述数据降维单元，用于将各所述代谢物特征向量和各所述微生物特征向量加入一向量集合，并将所述向量集合中的各特征向量进行两两组合生成多个向量对；