代謝組學(xué)數(shù)據(jù)尺度縮放新算法及其應(yīng)用.pdf

1、代謝組學(xué)，即利用高通量、高靈敏度與高精確度的現(xiàn)代分析技術(shù)，結(jié)合模式識(shí)別方法研究生物體系在受到外界刺激或干擾因素后，其內(nèi)源性小分子代謝產(chǎn)物的動(dòng)態(tài)變化，探究代謝模式變化與生命現(xiàn)象之間的關(guān)系，已成為當(dāng)今系統(tǒng)生物學(xué)的一個(gè)研究熱點(diǎn)領(lǐng)域。隨著研究的深入，數(shù)據(jù)分析的問(wèn)題越來(lái)越突出，并已成為代謝組學(xué)研究的關(guān)鍵技術(shù)和瓶頸之一。本文以代謝組學(xué)數(shù)據(jù)尺度縮放為主要研究?jī)?nèi)容，發(fā)展新的代謝組學(xué)數(shù)據(jù)分析方法，并將其應(yīng)用于魚(yú)類營(yíng)養(yǎng)代謝組學(xué)研究中。主要的研究?jī)?nèi)容包括:<

2、br>　　一、提出了模型自適應(yīng)尺度縮放方法。該方法根據(jù)后續(xù)的多元統(tǒng)計(jì)模型，自適應(yīng)地優(yōu)化尺度縮放系數(shù)，使后續(xù)的統(tǒng)計(jì)模型能夠更魯棒、更準(zhǔn)確的獲取數(shù)據(jù)中與研究問(wèn)題相關(guān)信息。將新方法與UV、Pareto和VAST等常用方法比較，采用真實(shí)的代謝組學(xué)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明，新方法能夠減小噪聲和無(wú)關(guān)代謝物信號(hào)的影響，提高重要代謝物的信號(hào)強(qiáng)度，有效保留原始譜圖的結(jié)構(gòu)信息，提高多元統(tǒng)計(jì)分析模型對(duì)特征信息提取的準(zhǔn)確性。
　　二、將新的數(shù)據(jù)分析方法應(yīng)用

3、于羅非魚(yú)營(yíng)養(yǎng)代謝研究中。研究?；撬崴胶蜕L(zhǎng)時(shí)期對(duì)羅非魚(yú)代謝的影響。分析結(jié)果表明:隨著飼料中?；撬岷可撸喾N氨基酸、O-乙酰糖蛋白、肌醇和檸檬酸含量有所降低，而牛磺酸、極低密度脂蛋白和乳酸含量顯著升高;隨著生長(zhǎng)時(shí)期變化，血漿中多種氨基酸、糖類、脂類等物質(zhì)含量發(fā)生了復(fù)雜的變化。
　　本文提出的模型自適應(yīng)尺度縮放方法具有良好的普適性，應(yīng)用新算法研究?；撬岷蜕L(zhǎng)時(shí)期對(duì)羅非魚(yú)生長(zhǎng)的影響，研究結(jié)果可為?；撬嶙饔脵C(jī)制以及魚(yú)類科學(xué)養(yǎng)殖提供參