有监督典型相关分析方法用于多源代谢信息整合.pdfVIP

PPl3 有监督的典型相关分析方法用于多源代谢信息整合 邓伶莉1，董继扬垆，陈忠1，2 f1．厦门大学通信工程系，厦门361005； 2．厦门大学电子科学系，福建省等离子体和磁共振重点实验室，厦门361005) 数据整合是代谢组学数据分析的重要发展方向之一。根据数据来源的不同，可将整合分 为三个层次分别为：不同生物样品之间的代谢信息整合、不同技术平台之间的数据整合、以 及不同组学之间的数据整合。多源代谢信息整合通常指第一层次的整合，其目的是将不同生 物样品的代谢信息综合起来，全面地反映生物体系的生理病理特征。 典型相关分析(CCA)是数据整合中常用的方法，它能够有效地提取多个数据块中的相关 信息【11。CCA提取的第一个成分是数据块之间相关性最大的方向，第二个成分次之，以此 类推。与主成分分析(PCA)类似，CCA是一种非监督的方法，在特征提取过程中没有利用样 本的类别信息(如，疾病与否)。因此，当问题(如疾病)相关的代谢信息(即感兴趣信息)Lt较微 弱时，CCA的前几个成分不能有效地捕获感兴趣信息。为了克服这一不足，本文提出一种 有监督的CCA算法(sCCA)，将样本的类别信息作为约束条件加入到CCA的成分计算过程 中，