L_1范数支持向量机在代谢组学中的应用  

L_1-Norm Support Vector Machine and Its Application in Metabonomics

作　　者：丁国辉[1,2,3] 孙建强[1,2,3] 吴俊芳[1,2,4] 黄慎[1,2,3] 丁义明[1,2] 

机构地区：[1]中国科学院武汉物理与数学研究所,湖北武汉430071 [2]中国科学院生物磁共振分析重点实验室,武汉磁共振中心(中国科学院武汉物理与数学研究所),湖北武汉430071 [3]中国科学院大学,北京100049 [4]波谱与原子分子物理国家重点实验室(中国科学院武汉物理与数学研究所),湖北武汉430071

出　　处：《波谱学杂志》2015年第1期67-77,共11页Chinese Journal of Magnetic Resonance

基　　金：国家青年自然科学基金资助项目(21105115)

摘　　要：代谢组学是关于生物体内源性代谢物质的整体及其变化规律的科学,也是一个数据密集型的研究领域,由此使得模式识别在代谢数据处理中有重要作用.L1范数支持向量机(L1-Norm Support Vector Machines,L1-norm SVMs)作为在模式识别领域中准确、稳健的方法,在代谢组学中的应用较少.该文应用L1-norm SVM方法对小鼠感染血吸虫后的代谢数据进行了分析,分析结果显示L1-norm SVM在聚类与特征选择方面具有优势,并表明它在代谢组学领域的应用有着潜力和前景.Metabonomics analyzes metabolite profiles in living systems and its dynamic responses to changes of endogenous （i.e., physiology and development） and exogenous （i.e., environment and xenobiotics） factors. Pattern recognition plays an important role in data-processing in metabonomic. Lrnorm support vector machine （Lrnorm SVM） is an accurate and robust method in pattern recognition, but not widely used in metabonomics. In this study, we used Lrnorm SVM to analyze metabonomic data obtained from mice infected by schistosomiasis. It was shown that Ll-norm SVM had better performance than orthogonal partial least squares （O-PLS） in terms of clustering and feature selection. The results also showed that support vector machines have great potential and prospects for data-processing in metabonomics.

关 键 词：模式识别 L1范数支持向量机(L1-norm SVM):正交偏最小二乘(O-PLS)代谢组学 核磁共振(NMR) 

分 类 号：O482.53[理学—固体物理]