核磁共振代谢组学数据的尺度归一化新方法

提出了一种新的尺度归一化方法,该方法不强调各变量在尺度上的归一,而是在原始数据的基础上,通过提高稳定性高且在不同类别样本中具有显著差异性的变量的权重,以增强与特征代谢物相关的信息.分别采用模拟数据和真实代谢组学数据对新归一化方法的性能进行评估,并与单位方差法(Unit variance)、变量稳定性(Variable stability)和尺度缩放法(Level scaling)等常用的尺度归一化方法进行了比较.研究结果表明,新归一化方法能够提高多变量统计模型的预测能力,较好地保留了核磁共振谱的分子信息,有助于特征代谢物的识别,并使后续的数据分析结果具有更好的可解释性.