几种模式识别方法在大鼠高脂血症代谢组学研究中的应用

被引：9

作者：

张琪 ^{[1
,2
,3
]}

王广基 ^{[3
]}

杜宇 ^{[1
]}

相秉仁 ^{[4
]}

邓海山 ^{[5
]}

阿基业 ^{[3
]}

马博 ^{[1
,3
]}

机构：

[1] 南京工业大学药学院

[2] 南京工业大学江苏省药物研究所

[3] 中国药科大学药物代谢动力学重点实验室

[4] 中国药科大学分析测试中心

[5] 南京中医药大学药学院

来源：

中国药科大学学报 | 2009年 / 40卷 / 05期

关键词：

代谢组学; 高脂血症; 主成分分析; 软独立建模分类法; 非线性映射;

D O I：

暂无

中图分类号：

R965 [实验药理学];

学科分类号：

100706 [药理学];

摘要：

目的:探讨不同的模式识别方法在分析大鼠高脂血症代谢组学实验数据中的应用。方法:采用高脂饲料喂养的方法,建立大鼠高脂血症模型。同时,以GC/MS为技术基础的代谢组学研究大鼠高脂血症的发病过程,并对图谱进行分析,将分离得到内源性代谢物,分别应用主成分分析(PCA)、软独立建模分类法(SIMCA)、非线性映射(NLM)3种模式识别方法对数据进行分析。结果:SIMCA和NLM在样本分类的效果上优于PCA,且NLM可表现出样本的经时变化规律;而PCA和SIMCA能更好地解释与疾病相关的内源性代谢物的信息,3种方法所得的结果可以互相印证和补充。结论:在代谢组学研究中,可以运用多种模式识别方法对数据进行分析处理,以得到更可靠和全面的信息。

引用

页码：448 / 454

页数：7

共 3 条

[1]

Metabonomics classifies pathways affected by bioactive compounds.: Artificial neural network classification of NMR spectra of plant extracts [J].