代谢组学数据处理
摘 要 近年来，代谢组学迅速发展，并广泛应用于生命科学的各个领域，代谢组学实验中常常获得大量复杂的数据，如何处理海量的数据获得具有生物统计学意义的数据成为代谢组学研究的关键。本文主要介绍了代谢组学常用的数据处理方法。
关键词 代谢组学；数据处理 ；色质联用;核磁共振
代谢组学是效仿基因组学和蛋白质组学的研究思想，对生物体内所有代谢物进行定量分析，并寻找代谢物与生理病理变化的相对关系的研究方式，是系统生物学的组成部分。其研究对象大都是相对分子质量1000以内的小分子物质。代谢组学通常以核磁共振光谱(NMR)或色质联用(HPLC-MS或GC-MS)为测量手段，获得的数据往往非常复杂，因此数据处理已经成为代谢组学研究的关键技术和瓶颈之一[1~2]。代谢组学的数据处理主要包括原始数据预处理和数据分析2个步骤，其目的是揭示反映样品内在机理及整体性差异的关键性生物标记物，以最终解释代谢组学的分析结果[3]。
一、原始数据处理
在原始数据处理方面，基于不同分析技术所产生的数据分别出现了一系列的相关软件和算法。
1.质谱及其联用数据处理
这类软件主要是针对GC-MS、LC-MS数据提出来的。通常情况下，处理一套原始代谢组学质谱及其联用数据包括除噪、色谱解析、峰检测、色谱匹配、化合物定性定量[5]。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
