用于复杂生物混合物中代谢物解卷积与定量的 NMR 谱贝叶斯模型
统计方法学
2012-05-16 v3 定量方法
应用统计
摘要
核磁共振（NMR）谱广泛用于代谢组学，以获取溶解在生物流体（如细胞上清液）中的代谢物谱图。目前，从这些谱图中估计代谢物浓度的方法仅限于手动峰拟合和用于积分共振峰的合并（binning）程序。人类代谢物产生的谱共振模式的广泛信息现已可在在线数据库中获得。通过将这些信息纳入贝叶斯模型，我们可以从谱图中解卷积共振峰，并获得相应代谢物的明确浓度估计。无法以此方式解卷积的谱共振也可能具有科学意义，因此我们使用小波对它们进行联合建模。我们描述了一种马尔可夫链蒙特卡罗算法，该算法允许我们从模型参数的联合后验分布中采样，并使用专门设计的分块更新来改善混合。对共振模式的强先验使算法能够自动识别对应于特定代谢物的峰，从而消除了手动峰指认的需要。我们评估了该方法在峰对齐和浓度估计方面的表现。除非目标共振信号非常弱，否则对齐是无偏且精确的。我们将贝叶斯浓度估计与从传统数值积分方法获得的估计进行比较，发现我们的点估计均方误差降低了六倍。最后，我们将该方法应用于一个来自酵母对重组蛋白表达的代谢响应研究的谱数据集。我们估计了 26 种代谢物的浓度，并与五位专家波谱学家的手动定量结果进行了比较。我们讨论了差异的原因以及我们方法浓度估计的稳健性。
引用
@article{arxiv.1105.2204,
title = {A Bayesian Model of NMR Spectra for the Deconvolution and Quantification of Metabolites in Complex Biological Mixtures},
author = {William Astle and Maria De Iorio and Sylvia Richardson and David Stephens and Timothy Ebbels},
journal= {arXiv preprint arXiv:1105.2204},
year = {2012}
}