申请/专利权人：武汉大学

申请日：2023-12-27

公开（公告）日：2024-04-05

公开（公告）号：CN117825480A

主分类号：G01N27/62

分类号：G01N27/62;G01N30/02;G01N30/72;G01N30/86;G16B20/00;G16B40/20;G16H50/30;G16H50/70;G06N20/20;G01N33/68

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于广靶代谢组学和机器学习的生物标志物筛选方法及其所选慢性肾病生物标志物组、应用。本发明用于筛选生物标志物并构建最优预测模型，利用机器学习的方法处理代谢组学测定的高通量、高维度、高相关性代谢物丰度矩阵，通过特征重建、特征筛选、模型构建和模型筛选的步骤可实现高效的生物标志物筛选并构建最优预测模型。使用该方法从慢性肾病患者血浆中筛选出7个代谢物作为生物标志物，构建了预测模型用以区分不同分期的慢性肾病患者，该预测模型的平均曲线下面积可达0.99。本发明为处理复杂的广靶代谢组学数据提供了流程化的操作工具，能高效筛选出生物标志物，构建预测性能优良的预测模型。

主权项：1.一种基于广靶代谢组学和机器学习的生物标志物筛选方法，其特征在于：所述广靶代谢组学技术包括：构建标准品本地库，基于飞行时间质谱的非靶向代谢组学，基于三重四级杆质谱的靶向代谢组学；所述机器学习技术包括：特征重建，特征筛选，模型构建和模型选择。

全文数据：

权利要求：

百度查询： 武汉大学 基于广靶代谢组学和机器学习的生物标志物筛选方法及其所选慢性肾病生物标志物组、应用

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD