【技術實現步驟摘要】
本專利技術涉及代謝組學變量分析領域，具體涉及一種代謝組學變量分析數據的多維驗證方法。
技術介紹
1、代謝組學是系統生物學領域中繼基因組學和蛋白質組學之后新近發展起來的一門學科，它通過檢測生物體在受到外源刺激或基因修飾后其體內代謝物質的變化來探索整個生物體的代謝機制。其研究對象為生物體內所有內源性小分子代謝物（分子量＜1000da）。
2、其研究手段為高通量檢測技術和數據處理方法，最終目標是數據建模和生物標志物的篩選代謝組學研究產生大量的數據，這些數據具有高維、小樣本、高噪聲等復雜特征，具體來說，不同代謝物質的理化性質差異巨大，其濃度含量動態范圍寬達7～9個數量級，同時生物個體間存在各種來源的變異，如年齡、性別都可能影響代謝產物的變化，三是儀器測量受各種因素影響，容易出現隨機測量誤差和系統誤差，這使得識別有重要作用的生物標志物可能極其困難，并且各種代謝物質可能不僅具有簡單的相加效應，而且可能具有交互作用，從而增加了識別這些具有復雜關系的生物標志物的難度，因此亟需一種切實可行且適用廣泛的驗證方法。
技術實現思路
1、針對現有技術的不足，本專利技術提供了一種代謝組學變量分析數據的多維驗證方法，通過將單變量數據與多變量數據的分隔驗證，快速有效實現代謝組學分析數據的輸出論證。
2、為實現上述目的，本專利技術提供了一種代謝組學變量分析數據的多維驗證方法，包括：
3、s1、利用代謝組學變量分析數據進行預處理得到代謝組學變量分析預處理數據；
4、s2
5、s3、利用所述代謝組學變量分析預處理數據根據多維驗證標志特征進行線性回歸驗證得到多維驗證結果。
6、本實施例中，一種代謝組學變量分析數據的多維驗證方法，代謝組學是一門對某一生物或細胞所有低分子質量代謝產物（以相對分子質量<1000的有機和無機的代謝物為研究核心區）進行分析的新興學科。生物樣本通過nmr、gc-ms、lc-ms等高通量儀器分析檢測后，能產生大量的數據，這些數據具有高維，少樣本、高噪聲等復雜特征，同時代謝物多且代謝物之間聯系密切。
7、優選的，所述利用代謝組學變量分析數據進行預處理得到代謝組學變量分析預處理數據包括：
8、s1-1、判斷所述代謝組學變量分析數據是否為單變量分析數據，若是，則利用所述代謝組學變量分析數據進行關聯性分析得到代謝組學變量分析預處理數據，否則，執行s1-2；
9、s1-2、判斷所述代謝組學變量分析數據是否為多變量分析數據，若是，則執行s1-3，否則，放棄處理；
10、s1-3、判斷所述代謝組學變量分析數據是否對應同一代謝組學起始物數據，若是，則根據所述代謝組學變量分析數據對應數據維度進行劃分得到代謝組學變量分析預處理數據，否則，放棄處理。
11、本實施例中，一種代謝組學變量分析數據的多維驗證方法，所述代謝組學起始物數據對應當前代謝組學模型的起始引物。
12、進一步的，利用所述代謝組學變量分析數據進行關聯性分析得到代謝組學變量分析預處理數據包括：
13、s1-1-1、獲取所述代謝組學變量分析數據的起始物數據作為關聯性分析起點；
14、s1-1-2、根據所述關聯性分析起點獲取代謝組學分析數據對應模型節點建立模型結構節點集合；
15、s1-1-3、判斷所述模型結構節點集合的各相鄰子集是否對應，若是，則執行s1-1-4，否則，返回s1-1-2；
16、s1-1-4、判斷所述模型結構節點集合是否存在唯一子集與關聯性分析起點對應，若是，則根據所述模型結構節點集合獲取模型結構節點對應數據作為代謝組學變量分析預處理數據，否則，返回s1-1-1；
17、其中，所述模型結構節點集合的各相鄰子集對應為模型結構節點集合的各相鄰子集與代謝組學數據流向相對應。
18、優選的，利用所述代謝組學變量分析預處理數據建立代謝組學變量分析數據的多維驗證標志特征包括：
19、s2-1、獲取代謝組學變量分析預處理數據對應起始物數據作為起始特征；
20、s2-2、判斷所述代謝組學變量分析預處理數據是否為單變量數據，若是，則根據所述起始特征利用代謝組學變量分析數據對應模型得到代謝組學變量分析數據的多維驗證標志特征，否則，執行s2-3；
21、s2-3、獲取代謝組學變量分析預處理數據的代謝產物數據近似情況；
22、s2-4、根據所述代謝產物數據近似情況獲取代謝組學變量分析數據的多維驗證標志特征。
23、進一步的，根據所述起始特征利用代謝組學變量分析數據對應模型得到代謝組學變量分析數據的多維驗證標志特征包括：
24、s2-2-1、獲取所述代謝組學變量分析數據對應模型的代謝產物變化時刻；
25、s2-2-2、判斷所述代謝產物變化時刻是否存在代謝產物遲滯狀態，若是，則執行s2-2-3，否則，利用所述代謝產物變化時刻作為代謝組學變量分析數據的多維驗證標志特征；
26、s2-2-3、利用所述存在代謝產物遲滯狀態的代謝產物變化時刻劃分孿生變化時刻與剩余代謝產物變化時刻作為代謝組學變量分析數據的多維驗證標志特征；
27、其中，所述代謝產物變化時刻為模型中代謝產物變化的時刻，所述代謝產物遲滯狀態為代謝組學變量分析數據對應模型中不同時刻在同一模型節點存在相同代謝產物。
28、進一步的，所述獲取代謝組學變量分析預處理數據的代謝產物數據近似情況包括：
29、s2-3-1、判斷所述代謝組學變量分析預處理數據對應起始物數據數量是否大于代謝產物數據數量的30%，若是，則執行s2-3-1，否則，放棄處理；
30、s2-3-2、判斷所述代謝組學變量分析預處理數據是否存在相同代謝產物數據，若是，則執行s2-3-3，否則，所述代謝組學變量分析預處理數據的代謝產物數據近似情況為不存在；
31、s2-3-3、判斷所述代謝產物數據是否對應相同代謝組學變量分析預處理數據，若是，則合并相同代謝組學變量分析預處理數據與對應代謝產物數據，并返回s2-3-1，否則，利用所述代謝組學變量分析預處理數據分別與代謝產物數據對應時刻建立相似產物時刻映射作為代謝組學變量分析預處理數據的代謝產物數據近似情況。
32、進一步的，根據所述代謝產物數據近似情況獲取代謝組學變量分析數據的多維驗證標志特征包括：
33、s2-4-1、判斷所述代謝產物數據近似情況是否存在，若是，則利用所述代謝產物數據近似情況建立代謝組學變量分析數據的代謝產物時序集合作為多維驗證標志特征，否則，執行s2-4-2；
34、s2-4-2、判斷代謝組學變量分析數據是否存在相同最終代謝產物，若是，則返回s2-3-1，否則，利用所述最終代謝產物作為多維驗證標志特征。
35、進一步的，利用所述代謝組學變量分本文檔來自技高網...
【技術保護點】
1.一種代謝組學變量分析數據的多維驗證方法，其特征在于，包括：
2.如權利要求1所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，所述利用代謝組學變量分析數據進行預處理得到代謝組學變量分析預處理數據包括：
3.如權利要求2所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，利用所述代謝組學變量分析數據進行關聯性分析得到代謝組學變量分析預處理數據包括：
4.如權利要求1所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，利用所述代謝組學變量分析預處理數據建立代謝組學變量分析數據的多維驗證標志特征包括：
5.如權利要求4所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，根據所述起始特征利用代謝組學變量分析數據對應模型得到代謝組學變量分析數據的多維驗證標志特征包括：
6.如權利要求4所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，所述獲取代謝組學變量分析預處理數據的代謝產物數據近似情況包括：
7.如權利要求6所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，根據所述代謝
8.如權利要求7所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，利用所述代謝組學變量分析預處理數據根據多維驗證標志特征進行線性回歸驗證得到多維驗證結果包括：
9.如權利要求8所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，利用所述多維驗證標志特征對代謝組學變量分析預處理數據進行時序線性驗證得到多維驗證結果包括：
10.如權利要求8所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，利用所述多維驗證標志特征對代謝組學變量分析預處理數據進行輸出回歸驗證得到多維驗證結果包括：
...【技術特征摘要】
1.一種代謝組學變量分析數據的多維驗證方法，其特征在于，包括：
2.如權利要求1所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，所述利用代謝組學變量分析數據進行預處理得到代謝組學變量分析預處理數據包括：
3.如權利要求2所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，利用所述代謝組學變量分析數據進行關聯性分析得到代謝組學變量分析預處理數據包括：
4.如權利要求1所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，利用所述代謝組學變量分析預處理數據建立代謝組學變量分析數據的多維驗證標志特征包括：
5.如權利要求4所述的一種代謝組學變量分析數據的多維驗證方法，其特征在于，根據所述起始特征利用代謝組學變量分析數據對應模型得到代謝組學變量分析數據的多維驗證標志特征包括：
6.如權利要求4所述的一種代謝組學變量分...
【專利技術屬性】
技術研發人員：張鈞，于海濤，王燕忠，馬義磊，安瑞，李風英，黃珺，
申請(專利權)人：浙江大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。