[发明专利]基于代谢组学的生理预测方法、装置、计算机设备和介质

权利要求书

1.一种基于代谢组学的生理预测方法，其特征在于，所述方法包括：

获取待检测呼气样本的质谱检测数据；

通过预先构建的多元统计分析模型针对所述质谱检测数据进行生理预测，得到各个预测类别的概率值；

根据各个所述预测类别的概率值确定所述待检测呼气样本对应的生理预测结果。

2.根据权利要求1所述的方法，其特征在于，所述预先构建的多元统计分析模型是基于主成分分析模型、正交偏最小二乘法判别分析模型和人工神经网络模型耦合得到的，所述通过预先构建的多元统计分析模型针对所述质谱检测数据进行生理预测，得到各个预测类别的概率值，包括：

通过所述主成分分析模型针对所述质谱检测数据进行降维处理，得到降维后的质谱检测数据；

通过所述正交偏最小二乘法判别分析模型针对所述降维后的质谱检测数据进行回归分析，得到每种代谢物的变量重要性投影值；

根据所述每种代谢物的变量重要性投影值通过训练好的人工神经网络模型进行预测识别，得到各个所述预测类别的概率值。

3.根据权利要求1所述的方法，其特征在于，所述获取待检测呼气样本的质谱检测数据之后，还包括：

通过预设的规则针对所述质谱检测数据的缺失值进行数据筛除，得到第一质谱检测数据；

通过预设的填补法针对所述第一质谱检测数据的缺失值进行填补，得到第二质谱检测数据；

通过Z标准化方法针对所述第二质谱检测数据进行标准化处理，得到预处理后的质谱检测数据。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取训练集呼气样本的质谱检测数据；所述训练集呼气样本的质谱检测数据对应有特定生理状态真实类别和/或参照组类别；

利用所述训练集呼气样本的质谱检测数据对所述多元统计分析模型进行训练，得到所述预先构建的多元统计分析模型。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

依次通过单变量分析方法和多变量分析方法针对质谱检测数据进行筛选，得到满足预设条件的变量；

将所述满足预设条件的变量对应的差异质荷比输入预设的第一代谢通路数据库进行检索定性，得到第一数量的差异标志物；

将所述第一数量的差异标志物输入预设的第二代谢通路分析数据库进行通路分析，得到生理代谢途径。

6.根据权利要求5所述的方法，其特征在于，所述依次通过单变量分析方法和多变量分析方法针对质谱检测数据进行筛选，得到满足预设条件的变量，包括：

通过t检验方法针对所述质谱检测数据进行筛选，得到区间概率低于第一参考阈值的第一变量组；

通过变量重要性投影值方法针对所述第一变量组进行分析，得到变量重要性投影值高于第二参考阈值的第二变量组。

7.根据权利要求6所述的方法，其特征在于，所述第一数量的差异标志物包括：环己烷、(S)-3,4-二羟基丁酸、5-甲基-2-乙酰基呋喃、2-正丙基呋喃、当归内脂、3-氨基丙腈、水杨酸乙酯、对甲酚、己醛、2-甲基呋喃、胆碱；

或者，

所述第一数量的差异标志物包括：丙酮(m/z 58)、异戊二烯(m/z 68)、苯酚(m/z 94)、乙基苯(m/z 106)。

8.一种基于代谢组学的生理预测装置，其特征在于，所述装置包括：

数据获取模块，用于获取待检测呼气样本的质谱检测数据；

概率值预测模块，用于通过预先构建的多元统计分析模型针对所述质谱检测数据进行生理预测，得到各个预测类别的概率值；

结果确定模块，用于根据各个所述预测类别的概率值确定所述待检测呼气样本对应的生理预测结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。