柯朝甫張 濤武曉巖李 康Δ

代謝組學(xué)數(shù)據(jù)分析的統(tǒng)計(jì)學(xué)方法*

柯朝甫1張 濤2武曉巖1李 康1Δ

代謝組學(xué)是近年發(fā)展快速的一門學(xué)科，目前在醫(yī)學(xué)、植物學(xué)、微生物學(xué)、毒理學(xué)、藥物研發(fā)等諸多領(lǐng)域中得到了廣泛的應(yīng)用［1-5］。代謝組學(xué)研究產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)具有高維、小樣本、高噪聲等復(fù)雜特征。如何從復(fù)雜的代謝組學(xué)數(shù)據(jù)中提取出有價(jià)值的信息，篩選出潛在的生物標(biāo)志物成為近年來代謝組學(xué)研究的熱點(diǎn)和難點(diǎn)。據(jù)此，本文針對(duì)目前代謝組學(xué)數(shù)據(jù)分析中的常用統(tǒng)計(jì)學(xué)方法及其研究進(jìn)展進(jìn)行介紹。

代謝組學(xué)數(shù)據(jù)的特點(diǎn)

代謝組學(xué)是系統(tǒng)生物學(xué)領(lǐng)域中繼基因組學(xué)和蛋白質(zhì)組學(xué)之后新近發(fā)展起來的一門學(xué)科，它通過檢測(cè)生物體在受到外源刺激或基因修飾后其體內(nèi)代謝物質(zhì)的變化來探索整個(gè)生物體的代謝機(jī)制［6］。其研究對(duì)象為生物體內(nèi)所有內(nèi)源性小分子代謝物（分子量 ＜1000Da），研究手段為高通量檢測(cè)技術(shù)和數(shù)據(jù)處理方法，最終目標(biāo)是數(shù)據(jù)建模和生物標(biāo)志物的篩選。生物樣品如血漿、尿液、組織等，經(jīng)過GC/MS、NMR、LC/MS等高通量?jī)x器檢測(cè)后，得到大量的圖譜數(shù)據(jù)，使用XCMS［7］等軟件對(duì)這些圖譜數(shù)據(jù)進(jìn)行轉(zhuǎn)換，獲得用于統(tǒng)計(jì)分析的標(biāo)準(zhǔn)格式的數(shù)據(jù)。歸納起來，代謝組學(xué)數(shù)據(jù)具有以下特點(diǎn)：

（1）高噪聲：生物體內(nèi)含有大量維持自身正常功能的內(nèi)源性小分子，具有特定研究意義的生物標(biāo)志物只是其中很少一部分，絕大部分代謝物和研究目的無關(guān)。

（2）高維、小樣本：代謝物的數(shù)目遠(yuǎn)大于樣品個(gè)數(shù)，不適合使用傳統(tǒng)的統(tǒng)計(jì)學(xué)方法進(jìn)行分析，多變量分析容易出現(xiàn)過擬合和維數(shù)災(zāi)難問題［8］。

（3）高變異性：一是不同代謝物質(zhì)的理化性質(zhì)差異巨大，其濃度含量動(dòng)態(tài)范圍寬達(dá)7～9個(gè)數(shù)量級(jí)［9］，二是生物個(gè)體間存在各種來源的變異，如年齡、性別都可能影響代謝產(chǎn)物的變化，三是儀器測(cè)量受各種因素影響，容易出現(xiàn)隨機(jī)測(cè)量誤差和系統(tǒng)誤差，這使得識(shí)別有重要作用的生物標(biāo)志物可能極其困難。

（4）相互作用關(guān)系復(fù)雜：各種代謝物質(zhì)可能不僅具有簡(jiǎn)單的相加效應(yīng)，而且可能具有交互作用，從而增加了識(shí)別這些具有復(fù)雜關(guān)系的生物標(biāo)志物的難度。

（5）相關(guān)性和冗余性：各種代謝物并非獨(dú)立存在，而是相互之間具有不同程度的相關(guān)性，同時(shí)由于碎片、加合物和同位素的存在使得數(shù)據(jù)結(jié)構(gòu)存在很大的冗余性，這就需要采用合理的統(tǒng)計(jì)分析策略來揭示隱藏其中的復(fù)雜數(shù)據(jù)關(guān)系。

（6）分布的不規(guī)則和稀疏性：代謝組學(xué)數(shù)據(jù)分布不規(guī)則，而且數(shù)據(jù)具有稀疏性（即有很多值為零），因此，傳統(tǒng)的一些線性和參數(shù)分析方法此時(shí)可能失效。

數(shù)據(jù)的預(yù)處理

代謝組學(xué)數(shù)據(jù)分析的目的是希望從中挖掘出生物相關(guān)信息，然而，代謝組學(xué)數(shù)據(jù)的變異來源很多，不僅包括生物變異，還包括環(huán)境影響和操作性誤差等方面。處理手段主要包括歸一化（standardization）、標(biāo)準(zhǔn)化（normalization），即中心化（centering）和尺度化（scaling），以及數(shù)據(jù)轉(zhuǎn)換（transformation）［10］。歸一化是針對(duì)樣品的操作，由于生物個(gè)體間較大的代謝物濃度差異或樣品采集過程中的差異（如取不同時(shí)間的尿樣），為了消除或減輕這種不均一性，一般使用代謝物的相對(duì)濃度，即每個(gè)代謝物除以樣品的總濃度，以此來校正個(gè)體差異或其他因素對(duì)代謝物絕對(duì)濃度的影響。標(biāo)準(zhǔn)化是對(duì)不同樣品代謝物的操作，即統(tǒng)計(jì)學(xué)意義上的變量標(biāo)準(zhǔn)化。標(biāo)準(zhǔn)化的目的是消除不同代謝物濃度數(shù)量級(jí)的差別，但同時(shí)也可能會(huì)過分夸大低濃度組分的重要性，即低濃度代謝物的變異系數(shù)可能更大。數(shù)據(jù)轉(zhuǎn)換是指對(duì)數(shù)據(jù)進(jìn)行非線性變換，如log轉(zhuǎn)換和power轉(zhuǎn)換等。數(shù)據(jù)轉(zhuǎn)換的目的是將一些偏態(tài)分布的數(shù)據(jù)轉(zhuǎn)換成對(duì)稱分布的數(shù)據(jù)，并消除異方差性的影響，以滿足一些線性分析技術(shù)的要求。不同的預(yù)處理方法會(huì)對(duì)統(tǒng)計(jì)分析結(jié)果產(chǎn)生不同的影響（見表1），在實(shí)際應(yīng)用中，我們應(yīng)該根據(jù)具體的研究目的、數(shù)據(jù)類型以及要選用的統(tǒng)計(jì)分析方法綜合考慮，選擇適當(dāng)?shù)念A(yù)處理方式。例如，Robert A.van den Berg等（2006）通過實(shí)際代謝組學(xué)數(shù)據(jù)的分析發(fā)現(xiàn)，選用不同預(yù)處理方法在很大程度上影響著主成分分析（PCA）的結(jié)果，自動(dòng)尺度化（autoscaling）和全距尺度化（range scaling）在對(duì)代謝組學(xué)數(shù)據(jù)進(jìn)行探索性分析時(shí)表現(xiàn)更優(yōu)，其PCA分析后的結(jié)果在生物學(xué)上能夠得到更合理的解釋［11］。

表1 常見的數(shù)據(jù)預(yù)處理方法

單變量分析方法

單變量分析方法簡(jiǎn)便、直觀和容易理解，在代謝組學(xué)研究中通常用來快速考察各個(gè)代謝物在不同類別之間的差異。代謝組學(xué)數(shù)據(jù)在一般情況下難以滿足參數(shù)檢驗(yàn)的條件，使用較多的是非參數(shù)檢驗(yàn)的方法，如W ilcoxon秩和檢驗(yàn)或Kruskal-Wallis檢驗(yàn)，t＇檢驗(yàn)也是一種比較好的統(tǒng)計(jì)檢驗(yàn)方法。

由于代謝組學(xué)數(shù)據(jù)具有高維的特點(diǎn)，所以在進(jìn)行單變量分析時(shí)，會(huì)面臨多重假設(shè)檢驗(yàn)的問題。如果我們不對(duì)每次假設(shè)檢驗(yàn)的檢驗(yàn)水準(zhǔn)α進(jìn)行校正，則總體犯一類錯(cuò)誤的概率會(huì)明顯增加。一種解決方法是采用Bonferion校正，即用原檢驗(yàn)水準(zhǔn)除以假設(shè)檢驗(yàn)的次數(shù)m作為每次假設(shè)檢驗(yàn)新的檢驗(yàn)水準(zhǔn)（α/m）。由于Bonferion校正的方法過于保守，會(huì)明顯降低檢驗(yàn)效能，所以在實(shí)際中更為流行的一種做法是使用陽性發(fā)現(xiàn)錯(cuò)誤率（false discovery rate，F(xiàn)DR）。這種方法可用于估計(jì)多重假設(shè)檢驗(yàn)的陽性結(jié)果中，可能包含多少假陽性結(jié)果。FDR方法不僅能夠?qū)⒓訇栃缘谋壤刂圃谝?guī)定的范圍內(nèi)，而且較之傳統(tǒng)的方法在檢驗(yàn)效能上也得到顯著的提高［12］。實(shí)際中也可以使用局部FDR（用fdr表示），其定義為某一次檢驗(yàn)差異顯著時(shí)，其結(jié)果為假陽性的概率。局部FDR的使用，使得我們能夠估計(jì)出任意變量為假陽性的概率，通常情況下有FDR≤fdr［13］。

除了進(jìn)行傳統(tǒng)的單變量假設(shè)檢驗(yàn)分析，代謝組學(xué)分析中通常也計(jì)算代謝物濃度在兩組間的改變倍數(shù)值（fold change），如計(jì)算某個(gè)代謝物濃度在兩組中的均值之比，判斷該代謝物在兩組之間的高低表達(dá)。計(jì)算ROC曲線下面積（AUC）也是一種經(jīng)常使用的方法［14］。

多變量分析

代謝組學(xué)產(chǎn)生的是高維的數(shù)據(jù)，單變量分析不能揭示變量間復(fù)雜的相互作用關(guān)系，因此多變量統(tǒng)計(jì)分析在代謝組學(xué)數(shù)據(jù)分析中具有重要的作用?？傮w來說，代謝組學(xué)數(shù)據(jù)多變量統(tǒng)計(jì)分析方法大致可以分為兩類：一類為非監(jiān)督的學(xué)習(xí)方法，即在不給定樣本標(biāo)簽的情況下對(duì)訓(xùn)練樣本進(jìn)行學(xué)習(xí)，如PCA、非線性映射（NLM）等；另一類為有監(jiān)督的學(xué)習(xí)方法，即在給定樣本標(biāo)簽的情況下對(duì)訓(xùn)練樣本進(jìn)行學(xué)習(xí)，如偏最小二乘判別分析（PLS-DA）、基于正交信號(hào)校正的偏最小二乘判別分析（OPLS-DA）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)（SVM）等。其中，PCA、PLS-DA和OPLS-DA是目前代謝組學(xué)領(lǐng)域中使用最為普遍的多變量統(tǒng)計(jì)分析方法。

PCA是從原始變量之間的相互關(guān)系入手，根據(jù)變異最大化的原則將其線性變換到幾個(gè)獨(dú)立的綜合指標(biāo)上（即主成分），取2～3個(gè)主成分作圖，直觀地描述不同組別之間的代謝模式差別和聚類結(jié)果，并通過載荷圖尋找對(duì)組間分類有貢獻(xiàn)的原始變量作為生物標(biāo)志物。通常情況下，由于代謝組學(xué)數(shù)據(jù)具有高維、小樣本的特性，同時(shí)有噪聲變量的干擾，PCA的分類結(jié)果往往不夠理想。盡管如此，PCA作為代謝組學(xué)數(shù)據(jù)的預(yù)分析和質(zhì)量控制步驟，通常用于觀察是否具有組間分類趨勢(shì)和數(shù)據(jù)離群點(diǎn)［15］。在組間分類趨勢(shì)明顯時(shí)，說明其中一定有能夠分類的標(biāo)志物。PCA還可以用于分析質(zhì)控樣品是否聚集在一起，如果很分散或具有一定的變化趨勢(shì)，則說明檢測(cè)質(zhì)量存在一定的問題。Zhang Zhiyu等（2010）通過PCA成功區(qū)分了骨肉瘤患者和正常人，并發(fā)現(xiàn)良性骨腫瘤患者中有兩例是異常值［16］。Kishore K.Pasikanti等（2009）利用PCA對(duì)尿液膀胱癌代謝組學(xué)數(shù)據(jù)進(jìn)行分析后觀察到質(zhì)控樣品在PCA得分圖上緊密聚集，從而驗(yàn)證了儀器檢測(cè)的穩(wěn)定性和代謝組學(xué)數(shù)據(jù)的可靠性［17］。

PLS-DA是目前代謝組學(xué)數(shù)據(jù)分析中最常使用的一種分類方法，它在降維的同時(shí)結(jié)合了回歸模型，并利用一定的判別閾值對(duì)回歸結(jié)果進(jìn)行判別分析。Zhang Tao等（2013）運(yùn)用PLS-DA技術(shù)分析尿液卵巢癌代謝組學(xué)數(shù)據(jù)，成功將卵巢癌患者和良性卵巢腫瘤患者以及子宮肌瘤患者相互鑒別，并鑒定出組氨酸、色氨酸、核苷酸等多種具有判別能力的卵巢癌生物標(biāo)志物［18］。PLS的思想是，通過最大化自變量數(shù)據(jù)和應(yīng)變量數(shù)據(jù)集之間的協(xié)方差來構(gòu)建正交得分向量（潛變量或主成分），從而擬合自變量數(shù)據(jù)和應(yīng)變量數(shù)據(jù)之間的線性關(guān)系［19］。PLS的降維方法與PCA的不同之處在于PLS既分解自變量X矩陣也分解應(yīng)變量Y矩陣，并在分解時(shí)利用其協(xié)方差信息，從而使降維效果較PCA能夠更高效地提取組間變異信息［20］。當(dāng)因變量Y為二分類情況下，通常一類編碼為1，另一類編碼為0或-1；當(dāng)因變量Y為多分類時(shí)，則需將其化為啞變量。通常，評(píng)價(jià)PLS-DA模型擬合效果使用R2X、R2Y和Q2Y這三個(gè)指標(biāo)，這些指標(biāo)越接近1表示PLS-DA模型擬合數(shù)據(jù)效果越好。其中，R2X和R2Y分別表示PLSDA分類模型所能夠解釋X和Y矩陣信息的百分比，Q2Y則為通過交叉驗(yàn)證計(jì)算得出，用以評(píng)價(jià)PLS-DA模型的預(yù)測(cè)能力，Q2Y越大代表模型預(yù)測(cè)效果較好。實(shí)際中，PLS-DA得分圖常用來直觀地展示模型的分類效果，圖中兩組樣品分離程度越大，說明分類效果越顯著。代謝組學(xué)數(shù)據(jù)分析中另一種常用的方法是OPLS-DA，它是PLS-DA的擴(kuò)展，即首先使用正交信號(hào)校正技術(shù)，將X矩陣信息分解成與Y相關(guān)和不相關(guān)的兩類信息，然后過濾掉與分類無關(guān)的信息，相關(guān)的信息主要集中在第一個(gè)預(yù)測(cè)成分。Johan Trygg等認(rèn)為該方法可以在不降低模型預(yù)測(cè)能力的前提下，有效減少模型的復(fù)雜性和增強(qiáng)模型的解釋能力［21］。與PLSDA模型相同，可以用R2X、R2Y、Q2Y和OPLS-DA得分圖來評(píng)價(jià)模型的分類效果。Carolyn M.Slupsky等（2010）使用OPLS-DA發(fā)現(xiàn)卵巢癌患者、乳腺癌患者、正常人這三者之間的尿液代謝輪廓顯著不同，從而推斷尿液代謝組學(xué)可能為癌癥的特異性診斷提供重要依據(jù)［22］。

由于代謝組學(xué)數(shù)據(jù)具有高維、小樣本的特性，使用有監(jiān)督學(xué)習(xí)方法進(jìn)行分析時(shí)很容易產(chǎn)生過擬合的現(xiàn)象。為此，需要使用置換檢驗(yàn)考察PLS-DA在無差異情況下的建模效果［23］。該方法在固定X矩陣的前提下，隨機(jī)置換Y分類標(biāo)簽n次，每次隨機(jī)置換后建立新的PLS-DA模型，并計(jì)算相應(yīng)的R2Y和Q2Y；然后，與真實(shí)標(biāo)簽?zāi)Ｐ偷玫降慕Y(jié)果進(jìn)行比較，用圖形直觀表達(dá)是否有過擬合現(xiàn)象。

由于樣本量的不足，通常采用上述的交叉驗(yàn)證和置換檢驗(yàn)方法作為模型驗(yàn)證方法。而實(shí)際中，在樣本量允許的情況下，最為有效的模型驗(yàn)證方法即將整個(gè)數(shù)據(jù)集嚴(yán)格按照時(shí)間順序劃分為內(nèi)部訓(xùn)練數(shù)據(jù)和外部測(cè)試數(shù)據(jù)兩部分，利用內(nèi)部訓(xùn)練數(shù)據(jù)建立模型，再對(duì)外部測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)，客觀地評(píng)價(jià)模型的有效性和適用性。

生物標(biāo)志物的篩選

代謝組學(xué)分析的最終目標(biāo)是希望從中篩選出潛在的生物相關(guān)標(biāo)志物，從而探索其中的生物代謝機(jī)制，因此需要借助一定的特征篩選方法進(jìn)行變量篩選。對(duì)于高維代謝組學(xué)數(shù)據(jù)的特征篩選，研究的目的是從中找出對(duì)樣本分類能力最強(qiáng)或較強(qiáng)的一個(gè)或若干個(gè)變量。特征篩選方法主要分為三類：過濾法、封裝法和嵌入法［24］。過濾法主要是采用單變量篩選方法對(duì)變量進(jìn)行篩選，優(yōu)點(diǎn)是簡(jiǎn)單而快捷，能夠快速的降維，如t＇檢驗(yàn)、W ilcoxon秩和檢驗(yàn)、SAM等方法。封裝法是一種多變量特征篩選策略，通常是以判別模型分類準(zhǔn)確性作為優(yōu)化函數(shù)的前向選擇、后向選擇和浮動(dòng)搜索特征變量的算法，它通常是按照“節(jié)省原則”進(jìn)行特征篩選，最終模型可能僅保留其中很少部分的重要變量，如遺傳算法等。嵌入法的基本思想是將變量選擇與分類模型的建立融合在一起，變量的重要性評(píng)價(jià)依靠特定分類模型的算法實(shí)現(xiàn)，在建立模型的同時(shí)，可以給出各變量重要性的得分值，如PLS-DA方法的VIP統(tǒng)計(jì)量等。為了更加客觀、全面地評(píng)價(jià)每個(gè)變量的重要性，代謝組學(xué)研究中一般采取將上述方法結(jié)合起來的方式進(jìn)行變量篩選。比較常見的一種策略是先進(jìn)行單變量分析，再結(jié)合多變量模型中變量重要性評(píng)分作為篩選標(biāo)準(zhǔn)，如挑選fdr≤0.05和VIP＞1.5的變量作為潛在生物標(biāo)志物。用篩選的潛在生物標(biāo)志物對(duì)外部測(cè)試數(shù)據(jù)集進(jìn)行預(yù)測(cè)，評(píng)價(jià)其預(yù)測(cè)效果。最后，可以通過研究生物標(biāo)志物的生物學(xué)功能和代謝通路，分析不同生物標(biāo)志物之間的相互作用和關(guān)系，從而為探索生物代謝機(jī)制提供重要線索和信息。Yang Jinglei等（2013）即在代謝組學(xué)分析中使用fdr≤0.2和VIP＞1.5的雙重標(biāo)準(zhǔn)來篩選精神分裂癥的特異生物標(biāo)志物，所篩選出的差異代謝物其AUC在訓(xùn)練數(shù)據(jù)中達(dá)94.5%，外部測(cè)試數(shù)據(jù)中達(dá)0.895［25］。

展 望

由于代謝組學(xué)數(shù)據(jù)變量多、關(guān)系復(fù)雜的特性，數(shù)據(jù)分析任務(wù)極為艱巨。目前常用的統(tǒng)計(jì)學(xué)方法在一定程度上為進(jìn)行代謝組學(xué)數(shù)據(jù)分析提供了有效的工具，但仍然存在諸多不足。如在代謝組學(xué)研究中，生物樣品之間的變異性往往較大，目前最流行的PLS-DA或OPLS-DA數(shù)據(jù)分析方法在差異小、噪聲大時(shí)，模型使用效果不夠理想。另外，PLS-DA和OPLS-DA均是基于線性回歸的方法，但是代謝組學(xué)數(shù)據(jù)通常不是簡(jiǎn)單的線性關(guān)系，因此，PLS-DA和OPLS-DA模型擬合數(shù)據(jù)的結(jié)果可能會(huì)不夠好?；谶@些問題，一些學(xué)者開始嘗試將一些新的高維數(shù)據(jù)分析方法和思想應(yīng)用于代謝組學(xué)數(shù)據(jù)分析中，如Lin Xiaohui等（2011）提出一種將支持向量機(jī)、隨機(jī)森林和遺傳算法結(jié)合起來進(jìn)行變量篩選的分析思路，通過比較證實(shí)其較單個(gè)分析方法能夠發(fā)掘出更多的信息，尤其適合分析復(fù)雜生物數(shù)據(jù)［26］；Elon Correa和Royston Goodacre（2011）提出了一種新型的遺傳算法—貝葉斯網(wǎng)絡(luò)方法（GA-BN），這種方法在有效篩選變量并提高分類效果的同時(shí)，還能研究變量間的相互作用和關(guān)系［27］。毫無疑問，這些新方法的提出將會(huì)為代謝組學(xué)數(shù)據(jù)分析提供新的思路和契機(jī)。隨著各種代謝組學(xué)檢測(cè)儀器的快速發(fā)展，更有效的代謝組學(xué)數(shù)據(jù)分析技術(shù)亟待開發(fā)，值得更多的生物統(tǒng)計(jì)學(xué)者關(guān)注和研究。

1.Dunn WB，Ellis DI.Metabolom ics：Current analytical platforms and methodologies.TrAC Trends in Analytical Chem istry，2005，24（4）：285-294.

2.許國旺，路鑫，楊勝利.代謝組學(xué)研究進(jìn)展.中國醫(yī)學(xué)科學(xué)院學(xué)報(bào)，2007，29（6）：701-711.

3.Spratlin JL，Serkova NJ，Eckhardt SG.Clinical applications of metabolomics in oncology：a review.Clin Cancer Res，2009，15（2）：431-440.

4.W ishart DS.Applications ofmetabolom ics in drug discovery and development.Drugs R D，2008，9（5）：307-322.

5.Taylor J，King RD，Altmann T，et al.Application of metabolom ics to plant genotype discrim ination using statistics and machine learning. Bioinformatics，2002，18（2）：241-248.

6.Nicholson JK，Lindon JC，Holmes E.＇Metabonom ics′：understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data. Xenobiotica，1999，29（11）：1181-1189.

7.Smith CA，Want EJ，O′Maille G，etal.XCMS：processingmass spectrometry data formetabolite profiling using nonlinear peak alignment，matching，and identification.Analytical Chemistry，2006，78（3）：779-787.

8.Sima C，Dougherty ER.What should be expected from feature selection in small-sample settings.Bioinformatics，2006，22（19）：2430-2436.

9.Dunn WB，Ellis DI.Metabolom ics：Current analytical platforms and methodologies.Trac-Trend Anal Chem，2005，24（4）：285-294.

10.Goodacre R，Broadhurst D，Sm ilde A，et al.Proposed m inimum reporting standards for data analysis inmetabolom ics.Metabolom ics，2007，3（3）：231-241.

11.Van den Berg RA，Hoefsloot HCJ，Westerhuis JA，etal.Centering，scaling，and transformations：improving the biological information content ofmetabolom ics data.BMC Genom ics，2006，7：142-156.

12.Benjam ini Y，Hochberg Y.Controlling the false discovery rate：a practical and powerful approach to multiple testing.JR Statist Soc B，1995，57（1）：289-300.

13.劉晉，張濤，李康.多重假設(shè)檢驗(yàn)中FDR的控制與估計(jì)方法.中國衛(wèi)生統(tǒng)計(jì)，2012，29（2）：305-308.

14.Broadhurst DI，Kella DB.Statistical strategies for avoiding false discoveries in metabolom ics and related experiments.Metabolom ics，2006，2（4）：171-196.

15.Trygg J，Holmes E，Lundstedt T.Chemometrics inmetabonom ics.JProteome Res，2007，6（2）：469-479.

16.Zhang Z，Qiu Y，Hua Y，etal.Serum and urinarymetabonom ic study of human osteosarcoma.JProteome Res，2010，9（9）：4861-4868.

17.Pasikanti KK，Esuvaranathan K，Ho PC，et al.Noninvasive urinary metabonomic diagnosis of human bladder cancer.J Proteome Res，2009，9（6）：2988-2995.

18.Zhang T，Wu XY，Ke CF，et al.Identification of Potential Biomarkers for Ovarian Cancer by Urinary Metabolom ic Profiling.JProteome Res，2013，12（1）：505-516.

19.蔣紅衛(wèi)，夏結(jié)來.偏最小二乘回歸及其應(yīng)用.第四軍醫(yī)大學(xué)學(xué)報(bào)，2003，24（3）：280-283.

20.Boulesteix AL，Strimmer K.Partial least squares：a versatile tool for the analysis of high-dimensional genom ic data.Brief Bioinform.2007，8（1）：32-44.

21.Trygg J，Wold S.Orthogonal projections to latent structures（O-PLS）. Journal of Chemometrics，2002，16（3）：119-128.

22.Slupsky CM，Steed H，Wells TH，et al.Urine metabolite analysis offers potential early diagnosis of ovarian and breast cancers.Clin Cancer Res，2010，16（23）：5835-5841.

23.Westerhuis JA，Hoefsloot HCJ，Sm it S，et al.Assessment of PLSDA cross validation.Metabolom ics，2008，4（1）：81-89.

24.Yvan S，Iaki I，Pedro L.A review of feature selection techniques in bioinformatics.Bioinformatics，2007，23（13）：273-281.

25.Yang J，Chen T，Sun L，et al.Potentialmetabolite markers of schizophrenia.Molecular Psychiatry，2013，18（1）：67-78.

26.Lin XH，Wang QC，Yin PY，etal.A method for handlingmetabonomics data from liquid chromatography/mass spectrometry：combinational use of support vector machine recursive feature elimination，genetic algorithm and random forest for feature selection.Metabolomics，2011，7（4）：549-558.

27.Correa E，Goodacre R.A genetic algorithm-Bayesian network approach for the a nalysis ofmetabolom ics and spectroscopic data：application to the rapid identification of Bacillus spores and classification of Bacillus species.BMC Bioinformatics，2011，12（1）：33-49.

（責(zé)任編輯：郭海強(qiáng)）

*國家自然科學(xué)基金資助（81172767）；高等學(xué)校博士學(xué)科專項(xiàng)基金（20122307110004）

1哈爾濱醫(yī)科大學(xué)衛(wèi)生統(tǒng)計(jì)學(xué)教研室（150081）

2山東大學(xué)衛(wèi)生統(tǒng)計(jì)學(xué)教研室

Δ通信作者：李康，E-mail：likang＠ems.hrbmu.edu.cn