基于条件高斯贝叶斯网络的代谢组学数据分类预测研究*

戴品远 余小金△ 谢纬华 赵 超 刘 冉 尹立红 陈炳为

【提 要】 目的 探讨条件高斯贝叶斯网络(conditional Gaussian Bayesian network，CGBN)在代谢组学数据的分类判别中的应用。方法 通过模拟研究与实际代谢组学数据分析，比较CGBN与偏最小二乘判别分析(partial least squares discriminant analysis，PLSDA)在不同相关程度和不同稀疏水平的高维数据及线性相关与非线性等情形时的分类判别性能，评价指标采用ROC曲线下面积(area under curve，AUC)和平均计算时间。结果 模拟研究结果表明，变量之间低相关且样本量不大于200时CGBN分类判别AUC高于PLSDA。在自变量与因变量非线性相关且小样本情况下CGBN分类判别AUC同样高于PLSDA。实例数据分析结果显示CGBN和PLSDA分类判别的AUC分别为0.997，0.975。CGBN的计算时间要远高于PLSDA。结论 在不受计算负担限制的情形下，CGBN是代谢组学数据典型分析方法的一种可行的替代方法，值得进一步研究。

近年来代谢组学(metabolomics)数据的分析方法迅速应用于包括疾病诊断，疗效评价等领域[1-7]。目前常用的代谢组学数据分类方法主要包括偏最小二乘判别分析(partial least squares discriminant analysis，PLSDA)、支持向量机(support vector machine，SVM)、神经网络(artificial neural networks，ANNs)等。而基于贝叶斯网络的分析方法在代谢组学数据的分析中越来越受研究者关注。与应用最为普遍的PLSDA相比，贝叶斯网络分析可识别代谢物和表型之间的非线性关系，并结合贝叶斯先验概率，减轻过拟合程度；识别有差异的代谢物子网[8]，因此，成为目前应用领域的研究热点。

Kelly[9]等基于实际数据分析发现，即使在无信息先验情况下，条件高斯贝叶斯网络(conditional Gaussian Bayesian network，CGBN)仍优于经典偏最小二乘方法判别分析，并且具有更小的过拟合风险。……