[发明专利]一种建立代谢物模型及其代谢组学数据库的方法

说明书

本发明公开了一种建立建立代谢物模型及其代谢组学数据库的方法。首先建立代谢物保留时间模型，以已知代谢组学数据库为基础，建立新的使用预测保留时间的代谢组学数据库。建立过程中，将已知的代谢物随机分为训练组和检验组。使用训练组代谢物的MD和保留时间建立模型，使用support vector machine法建立模型，并使用检验组验证模型情况。将拟收录的新代谢物的信息合并，根据建立好的模型获得新代谢物保留时间。本发明方法旨在在缺乏代谢物化学标准品的情况下，通过计算机辅助模拟的方式获得该代谢物的预测保留时间。

技术领域

本发明涉及生物信息领域，尤其涉及一种建立模型及其代谢组学数据库的方法。

背景技术

代谢物鉴定是非靶向代谢组学里重要的一个环节。通过代谢物鉴定，由仪器(例如高效液相色谱-质谱联用)所采集到的峰信号可以转换为代谢物信息，由此获得代谢物的定性、定量结果。代谢物的的鉴定一般是通过将未知信号与代谢物数据库中的已知信息进行比较，使用一个或多个参数匹配的方式，确定代谢物情况。根据使用参数的数量、匹配的准确度以及匹配阈值等情况，代谢物鉴定可分为准确鉴定(使用两个或以上不相关的参数进行匹配)或推定(只使用一个参数进行匹配)。

在代谢组学研究中，代谢物鉴定的效果与所使用的代谢组学数据库密切相关。数据库涵盖的代谢物数量越多、种类越多，每种代谢物拥有的参数信息越详细、越准确，代谢物鉴定的效果会越好，即能鉴定到越多的代谢物、鉴定的结果越准确。

HP-CIL代谢组学全称高效化学同位素标记结合液质联用代谢组学。与常规的代谢组学分析不同，HP-CIL代谢组学在样本处理环节中会使用化学同位素标记试剂对样本进行衍生化。在常规的代谢组学分析过程中，工作流程包括：样本前处理-样品制备-仪器分析-数据处理-代谢物鉴定-生物学分析。由于检测的是代谢物的原始形式，所需要的数据库里包含的代谢物信息也是代谢物原型的各类参数。而在HP-CIL代谢组学中，工作流程包括：样本前处理-样品制备-代谢物衍生化-仪器分析-数据处理-代谢物鉴定-生物学分析，所检测的信号来自于衍生后的代谢物。因此，在代谢物鉴定过程中，所使用的数据库里包含的信息应是衍生后代谢物的各类参数信息。

在HP-CIL代谢组学进行代谢物鉴定时，所使用的参数包含了：精确质量、保留时间和二级质谱碎片信息。使用其中至少两个参数进行鉴定得到的结果(例如使用精确质量和保留时间)，得到的结果时准确鉴定结果；而使用其中一个(一般是精确质量)，得到的结果是推定结果，可信度较低。这其中，保留时间参数的获取一般需要通过实验对代谢物进行分析来获得，即实验保留时间。

目前建立HP-CIL代谢组学数据库的方法，包含以下步骤：

1.购买或实验室合成代谢物化学标准品；

2.将各个代谢物的化学标准品单独溶解，并使用相应的衍生化试剂，按照相同的衍生化反应步骤进行衍生化。

3.将衍生化后的代谢物标准品使用高效液相色谱-质谱联用进行检测分析。对每个衍生后的代谢物标准品进行独立分析，收集精确质量、实验保留时间和二级质谱碎片信息。

4.将所收集的信息进行统一，建立数据库。数据库中每个条目为一个代谢物，包含对应的上述三种参数信息。

这样建立的代谢组学数据库所采集到的信息均来自于真实实验，信息准确，获得的保留时间称之为实验保留时间。使用这些信息进行代谢物鉴定，得到的结果可信度高。但是购买或实验室合成代谢物化学标准品经济成本、时间成本大；部分代谢物无法获得化学标准品，因此无法加入代谢组学数据库中。受限于现有方法中代谢物化学标准品获得困难、成本较大，以此方法建立的数据库含量较小，含有的代谢物数量少(1000种代谢物)。为表述方便，以此建立的数据库，称之为“CIL代谢组学数据库”。

发明内容