代谢组学中的若干化学计量学新方法研究

本申请提出代谢组学中的若干化学计量学新方法研究的课题。本课题是关于化学计量学的基础理论研究，针对代谢组学数据分析中存在的困难和挑战，从样本维存在有序性的角度挖掘更有价值的信息，提出新的变量变换方法应用于模式识别，并采用多层启发式优化算法改进线性规划方法对代谢途径进行描述、比对和预测。本课题将以处理高通量、高维的代谢组学数据为主线，利用非负矩阵分解等算法对样本维存在有序性的数据进行降维处理，抓住数据的有序特性，以得到具有实际生物、化学意义的代谢物动力学信息；进而通过Gauss变换，统计矩变换，利用核函数映射以及共识判别模型得到较为正确的非线性投影平面，以提高分类算法的准确性；在此基础上，深入研究代谢途径的描述方法，发展有效的打分函数以及高效的优化算法，应用于代谢途径的比对之中，并为代谢途径的预测提供有益的尝试。