代谢组学中核磁共振技术的数据分析方法总结
本文有针对性地选择代谢组学中核磁共振检测技术,对其数据分析的主要过程,包括图谱数据预处理、数据转换和模式识别进行系统分析,重点讨论了主成分分析(PCA),偏最小二乘法判别分析(PLS-DA),正交的偏最小二乘法判别分析(OPLS-DA)和正交信号校正偏最小二乘法判别分析(0SC-PLS-DA)等4种模式识别方法,并进行对比分析,以期为后来的研究者提供有益参考.核磁数据预处理是保证所有数据能够被公平地进行多变量模式识别的基础；PCA是首要的，是对所有变量的无偏性呈现，能够使人们从整体上把握样品水平；而其他3种方法是平行的，互相之间有比较也有优化，都能够直接应用于筛选生物标记物。当然，综合各模式分别讨论，不难发现样品分组趋势越来越明显，但这并不代表模型越来越好，需要明确每种识别模式各自的特点和适用范围，在应用时能够根据样品组成合理选择模式识别种类，使之既不过于复杂又能获得理想效果。
代谢组学 核磁共振 图谱数据 模式识别 主成分分析 偏最小二乘法
孙雨航 许楚楚 徐闯 李昌盛 吴凌 夏成
黑龙江八一农垦大学,动物科技学院,大庆163319
国内会议
昆明
中文
137-142
2014-07-19（万方平台首次上网日期，不代表论文的发表时间）