[发明专利]基于IS联合SVR的大规模组学数据校正方法及系统

权利要求书

1.一种基于IS联合SVR的大规模组学数据校正方法，所述数据为生物代谢组学数据，所述生物代谢组学数据包括待测样品的液相色谱-质谱数据或气相色谱-质谱数据，所述生物代谢组学数据校正方法包括：

1)将QC样本插入实际样本分析序列中并进行基于色谱-质谱方法的代谢组学分析，获取QC样本和实际样本的生物代谢学数据，所述生物代谢数据包括含有各样品的各组峰面积、保留时间和质荷比信息的数据；

2)对所述生物代谢组学数据进行预处理和标准化处理，得到二维矩阵数据；

3)建立IS标度化和支持向量回归丰度预测模型：使用QC样本数据作为训练数据，根据代谢物在QC样本q中峰面积的相对标准偏差参数的变化选择最佳IS，并判断是否需要执行最佳内标校正标度化，然后根据IS校正后QC样本的峰面积变化与进样顺序、批次和强相关的其他代谢物之间的关系，拟合峰面积的支持向量回归预测模型，根据这个模型预测数据中的随机系统误差；

4)使用实际样本数据作为测试数据，把实际样本s的代谢物峰面积参数代入到上一步骤在QC样本数据上建立的IS标度化和支持向量回归丰度预测模型中，去除实际样本数据中的随机系统误差，最后乘上代谢物在所有QC样本的中位数，获得每个实际样本s中计算归一化后的代谢物峰面积，实现代谢组的系统误差校正。

2.如权利要求1所述的基于IS联合SVR的大规模组学数据校正方法，其特征在于，所述步骤2)所述预处理包括：

2.1)将所述色谱-质谱数据原始数据转化为mz XML格式数据；

2.2)使用XCMS软件包、CAMERA软件包进行峰识别、峰过滤、峰对齐和注释，最后导出峰面积的二维数据矩阵；

2.3)对步骤2.2)得到的数据进行格式检查，将数据转换成满足后续程序运行要求的格式。

3.如权利要求1所述的基于IS联合SVR的大规模组学数据校正方法，其特征在于，所述步骤(3)中根据下述公式(1)建立IS标度化和支持向量回归丰度预测模型：

具体包括：

3.1)通过最佳IS选择后的相对标准偏差变化以判断是否执行IS校正，执行如下公式(2)的条件判断筛选：

其中，IS_b，q表示代谢物i的最佳ISb的峰面积；表示代谢物i的最佳ISb在所有样本中的平均峰面积；

如果满足IS标度化条件，可设为与IS_b，q的比值；否则，设为1；

3.2)应用代谢特征在相邻两个QC样本中的响应强度值，构建代谢特征的支持向量回归模型ωΦ，即ωΦ(m，B，inj)；其中，B、inj和m分别表示批次效应、进样顺序和其他代谢物的影响。

4.如权利要求3所述的基于IS联合SVR的大规模组学数据校正方法，其特征在于，所述步骤3.1)中的IS标度化方法具体为：

3.1.1)对QC样本数据中峰面积积分获得其相对标准偏差值，当峰面积在QC样本中相对标准偏差小于20％，判断是否需要进行最佳内标校正；如是，不进行最佳内标校正，如否，至步骤3.1.2)；

3.1.2)对每个代谢物的内标IS逐一归一化，获得相对峰面积，并计算峰面积的相对标准偏差值是否变小；如是，不进行最佳内标校正，如否，至步骤3.1.3)；

3.1.3)选择使相对峰面积减小幅度最大的内标的归一化结果，作为最终的最佳IS归一化结果。

5.如权利要求1所述的基于IS联合SVR的大规模组学数据校正方法，其特征在于，步骤3.2)中构建的支持向量回归模型ωΦ为SVR(C、gamma、k)，其中k为相关性最强的代谢物数目，C为正则化参数、gamma为核函数系数；其算法内置基于5折交叉验证的网格调参策略。

6.如权利要求5所述的基于IS联合SVR的大规模组学数据校正方法，其特征在于，所述基于5折交叉验证的网格调参策略的方法包括：

根据5折交叉验证将QC样本划分为测试集和验证集；

通过预先设定上述三个核心参数(C、gamma、k)的范围，再运行测试N个不同的参数组合；

得到N组结果，并将最佳结果对应的参数作为推荐的默认参数输出。