代谢组学数据尺度缩放新算法及其应用

摘要

代谢组学，即利用高通量、高灵敏度与高精确度的现代分析技术，结合模式识别方法研究生物体系在受到外界刺激或干扰因素后，其内源性小分子代谢产物的动态变化，探究代谢模式变化与生命现象之间的关系，已成为当今系统生物学的一个研究热点领域。随着研究的深入，数据分析的问题越来越突出，并已成为代谢组学研究的关键技术和瓶颈之一。本文以代谢组学数据尺度缩放为主要研究内容，发展新的代谢组学数据分析方法，并将其应用于鱼类营养代谢组学研究中。主要的研究内容包括:
　　一、提出了模型自适应尺度缩放方法。该方法根据后续的多元统计模型，自适应地优化尺度缩放系数，使后续的统计模型能够更鲁棒、更准确的获取数据中与研究问题相关信息。将新方法与UV、Pareto和VAST等常用方法比较，采用真实的代谢组学数据进行验证，结果表明，新方法能够减小噪声和无关代谢物信号的影响，提高重要代谢物的信号强度，有效保留原始谱图的结构信息，提高多元统计分析模型对特征信息提取的准确性。
　　二、将新的数据分析方法应用于罗非鱼营养代谢研究中。研究牛磺酸水平和生长时期对罗非鱼代谢的影响。分析结果表明:随着饲料中牛磺酸含量升高，多种氨基酸、O-乙酰糖蛋白、肌醇和柠檬酸含量有所降低，而牛磺酸、极低密度脂蛋白和乳酸含量显著升高;随着生长时期变化，血浆中多种氨基酸、糖类、脂类等物质含量发生了复杂的变化。
　　本文提出的模型自适应尺度缩放方法具有良好的普适性，应用新算法研究牛磺酸和生长时期对罗非鱼生长的影响，研究结果可为牛磺酸作用机制以及鱼类科学养殖提供参考依据。

目录

声明

部分缩写专业名词英汉对照表

摘要

第一章 绪论

1．1 代谢组学简介

1．2 代谢组学数据分析

1．2．1 代谢组学数据预处理

1．2．2 统计分析与建模

1．2．3 生物学解析

1．3 本文研究内容和论文结构安排

参考文献

第二章 代谢组学数据的自适应尺度缩放新算法

2．1 引言

2．2 常用的尺度缩放方法

2．3 模型自适应的尺度缩放新算法

2．3．1 理论与方法

2．3．2 实验数据

2．3．3 结果分析与讨论

2．4 本章小结

参考文献

第三章 牛磺酸水平对罗非鱼生长影响的代谢组学研究

3．1 研究背景

3．2 实验与方法

3．2．1 实验设计与样品采集

3．2．2 样品制备及其1H NMR谱采集

3．2．3 数据预处理

3．3 结果与分析

3．3．1 不同牛磺酸水平下的代谢轮廓差异

3．3．2 不同生长时期的代谢轮廓差异

3．4 本章小结

参考文献

第四章 总结与展望

4．1 本文总结

4．2 展望

攻读硕士期间发表的论文

致谢