[发明专利]一种代谢组学数据的校正方法及装置

权利要求书

1.一种代谢组学数据的校正方法，其特征在于，其包括：

针对每种目标代谢物，根据待校正的样本数量M选择校正模型，将每个待校正样本的进样顺序和批次信息输入校正模型，输出预测误差；

所述校正模型的选择标准包括：当M位于[1，X3]区间内，则选择第一类模型；当M大于X3，则选择第二类模型；其中，X3为正整数且选自700～1200；所述第一类模型为基于质控样本的数据训练获得的校正模型的训练方法包括将质控样本的进样顺序、批次信息和目标代谢物在质控样本中的峰面积输入预先构建好的机器学习模型中进行数据拟合；所述第二类模型的训练方法包括将质控样本的进样顺序、批次信息、目标代谢物在质控样本中的峰面积，以及n个与目标代谢物结构相似的代谢物在质控样本中的峰面积输入预先构建好的机器学习模型中进行数据拟合；其中，n为正整数且为1～10；

基于所述预测误差计算校正因子，将目标代谢物的实际代谢组学检测结果除以所述校正因子，获得所述目标代谢物校正后的结果。

2.根据权利要求1所述的代谢组学数据的校正方法，其特征在于，所述第二类模型是基于集成树模型构建获得；

优选地，所述与目标代谢物结构相似是指：按照其他代谢物与目标代谢物的相关性系数降序排列，由高往低选择对应数量的物质作为与目标代谢物结构相似的代谢物；

优选地，所述相关性系数不低于0.6；

优选地，所述峰面积为目标代谢物在EIC图中的峰面积；

优选地，所述所有样本是指所有质控样本和待校正样本的集合，或所有待校正样本的集合；

优选地，所述第二类模型是基于集成树模型构建获得时，设置参数包括如下：参数n_estimators设置为int(sample_nr/3)、参数max_depth设置为7，补充特征数量为1；

其中，n_estimators为决策树的数量，sample_nr为项目样本量，max_depth为决策树的深度。

3.根据权利要求1所述的代谢组学数据的校正方法，其特征在于，所述第一类模型的训练方法包括将质控样本的进样顺序、批次信息和目标代谢物在质控样本中的峰面积输入预先构建好的机器学习模型中进行数据拟合；

优选地，所述第一类模型是基于支持向量机回归模型、集成树模型或随机森林模型构建获得；

优选地，当M位于[1，X3]区间内时，所述第一类模型包括第一模型～第四模型，所述校正方法还包括基于质谱检测到的M个样本中化合物的总数N选择校正模型，所述选择标准还包括如下：

当M位于[1，X1]区间内，则选择第一模型；

当M大于X1，且N位于[1，X4]区间内，选择第二模型；

当M位于[X1，X2]区间内，且N大于X4，选择第三模型；

当M大于X2区间内，且N大于X4，选择第四模型；

其中，X1～X2均为正整数，X1选自50～150，X4选自3000～6000，X2选自300～700；

所述第一模型是基于支持向量机回归模型构建获得的，所述第二模型是基于集成树模型构建获得的，所述第三模型是基于集成树模型或随机森林模型构建获得；所述第四模型是基于集成树模型或随机森林模型构建获得。