ij,new和分别为第i个样本的j变量换算后的值和原始值；
和分别为原始j变量的最大值和最小值。该方法的缺点是如果数据集
合中有一个值很大，会导致其他值的差异变小。
2）中值标度化（mean-centred，Ctr）
式中，mj为变量j的均值。该方法的缺点是可能导致低含量的变量信息受到高含量信 号的压制。
3）自标度化（autoscaled，UV）
式中，Vj为变量j的方差，经过变换后，各变量均值为0，偏差为1，在分类过程中权重相同，可消除由于含量差异导致的数据掩盖。但应注意的是，小峰的测量误差也被同步放大，可能导致错误的结果。
4）parto variance，Par
其标度化结果界于中值标度化和自标度化之间。
5）变换法
在模式识别中还可以采用变换法对数据进行预处理，如
以达到改变数据标度的目的。
6）组合法
采用上述几个标度方法的联合使用。
2003年，Keun建立了一种新的标度化方法 variable stability （VAST）
scaling[5]。VAST在考虑数据稳定性的基础上，建立了有监督和无监督两种模式的标度化方法：
在无监督模式下，权重系数为所用样本的均值和标准偏差的比值。
有监督的VAST权重=
式中，巧和和Vj分别表示第j类的均值和标准偏差；n为样本中总的类数。这种方法在 兼顾了自标准化原理的基础上，考虑了同类样本的测量误差。Keun对比了该方法和传统的标度化方法，结果表明，经VAST标度后的数据进行模式识别可以获得较传统方法更为理想的分类效果。
对实验数据易受环境因素影响的分析，如在微量药物引发的生化效应中，分
析结果中的有效信息经常被研究对象的性别、饮食和其他环境因素所淹没，采用滤噪技术可消除多余的干扰因素的影响，有利于模式识别分类的成功。在代谢组学的模式识别中常用的滤噪技术是正交信号校正技术（orthogonal signal correction，OSC）[6,7]。
与普通的谱图滤噪技术不同，OSC滤掉与类别判断正交（不相关）的变量信
息，只保留与类别判断有关的变量，从而使类别判别分析能集中在这些与类别的判别相关的变量上，提高了判别的准确性。OSC等效于从数据中去除了额外的影响因素，因此能收到较好的效果。
图7-2是一个老鼠肝脏提取物的核磁分析结果做代谢组学研究的例子％3。原
始谱图直接应用模式识别（PCA）的得分矩阵投影如图7-2A所示，温度变化导入的偏差， 导致无法获得理想的分类结果。通过正交变换，滤掉与类别判断不相关的变量信息，同 样采用PCA进行模式识别，获得了理想的分类效果（图7-2B）。
其他的滤波方式如小波变换（wavelets transform，WT）、傅里叶变换（Fourier
transform，FT）等也常被用于数据的预处理[7~9]。
第9章代谢组学在疾病分型和标志物发现研究中的应用
代谢组学的一个重要的应用领域是疾病的分型和标志物的发现研究。与其他组学相比，代谢组学由于与表型更为接近，因此更适于疾病分型和标志物发现的研究。本章主要介绍代谢组学在心血管疾病、肝脏疾病、恶性肿瘤研究中的应用，
并对代谢组学在其他疾病的应用做简单的汇总。对癌症和糖尿病的研究将在后续的相关章节（第10、11章）中做详细的介绍。
9.1引言
研究表明，大约有200种遗传性代谢紊乱与单个酶的缺陷有关W。这些遗传性疾病大都是由于蛋白质表达的异常导致酶活性的降低和缺失。如果这个有缺陷的酶在底物A的主要分解代谢途径中起着关键作用的话，该底物的代谢速率会显著降低，结果是底物A由于代谢受阻在生物体内郁积，而其代谢产物B缺乏。生物体为了趋于平衡，郁积的底物A将通过另外的非主要的替代（alternative）代谢途径进行分解代谢，生成代谢产物C。而往往这些途径的产物C浓度过高时，对生物机体会产生毒性，对细胞有损害，影响细胞的功能或抑制其他的代谢途径。另一方面，与主要代谢途径相比，替代代谢途径的转化效率较低，因此在代谢异常时，底物A经常郁积。同样，高浓度的A也可能是有毒的。而代谢异常导致的B产物缺乏，通常也会对其参与的合成和代谢过程产生不利的影响[2]。
代谢异常导致的医学后果包括器官功能障碍、组织损伤、发育缓慢、反应迟
钝、生理缺陷、神经紊乱、心血管疾病等[1,2]。这些异常的内源性代谢物的鉴定和定量测定对于识别和确诊内源性代谢产物的代谢紊乱有着极其重要的作用。虽然现阶段还不能治愈遗传性的代谢疾病，但很多情况下，可以通过改变饮食和补充维生素来预防严重的后果。如目前新生儿的早期筛查使我们可以在疾病的发作伊始，进行药物和饮食的干预治疗，从而更有效地控制疾病。
这些酶系统中的小分子底物和产物（分子质量小于l000Da）与疾病有着很强的联系（它们是由缺陷基因表达的异常酶的底物和产物），对它们的分析对疾病的诊断有相当大的帮助。而对于较大分子质量的蛋白质来说，由于蛋白质往往承担着执行功能的角色，如血红蛋白执行将氧气运送到各个组织中去的功能，因此对这些蛋白质的分析也经常与疾病的检测相关，常常被作为是疾病的标志物，如血红蛋白S与镰状细胞贫血。类似于功能蛋白质（如血红蛋白）的分析，代谢产物的检测在代谢疾病的诊断中也起着较大的作用。
如图9-1所示，异常的基因不一定产生功能异常的蛋白质（在图9-1中，对
应着从异常列到正常列的虚线）；类似地，异常蛋白质不一定会对代谢产物造成
不利的影响。诱因和这些异常的蛋白质或代谢产物的相关程度决定了由诱因预测疾病的发生的准确率。一般来说，单个基因标志物不能反映产生一个特定疾病的所有突变情况，而且一些随机发生的基因突变往往检测不到。因此，目前的分子生物学诊断方法的假阴性很高。另一方面，基因片段的很多突变（良性的多态性）
[1]
如果没有得到表达，不会产生不良的医学后果，这意味着使用基于基因的分子
生物学方法容易导致较高的假阳性。
对代谢产物进行全面的测定，不仅仅可以用于疾病的诊断（即利用代谢物的
标志物实现对疾病的诊断），而且可以对疾病从发病到疾病的加重过程进行整个过程的监测，分辨出疾病的严重程度，从而可在疾病的发病之前和之初，进行及时的预防和治疗。研究表明，大多数疾病的发病与酶活性的降低或失效（遗传、毒物）、不合适的底物比例（营养）或错误的代谢调节（遗传、营养、生活方式等）有关。所有这些因素的影响都归结于正常的代谢受到破坏。因此，通过对代谢产物的定量分析（即代谢组学的分析），不但能观察到代谢的变化，也能通过对特定代谢途径（生化代谢途径也是一个世纪以来生命科学研究的焦点）的分析，解析出疾病的机制。而一旦找到疾病的病因后，就可以针对不同的原因进行干预和治疗：如果代谢的紊乱是由底物的不平衡（营养不均衡）导致的，理所当然地将选择均衡营养进行治疗；如果发现是酶的活性发生了变化，那么就应当针对合适的靶点（或症状）用药。以胆固醇为例，胆固醇的含量被认为是检测心血管疾病患病风险的一个重要的指标，但胆固醇的浓度大小并不能反映出导致胆固醇积累的原因，这样也就不能给出合适的治疗方案。一般来说，血清中胆固醇升高主要有以下几个原因：①肠对胆固醇的吸收过度；②内源性的胆固醇生物合成过于旺盛；③胆固醇向胆汁酸的转化过缓。仅仅测量血中的总胆固醇含量并不能分辨出是哪种原因，但如果将检测的对象扩大为对固醇类化合物及其代谢产物的分析，那就可以得到需要的信息了。那些对胆固醇过度吸收的患者过度吸收胆固醇的同时，对植物中留醇类化合物也过度吸收，在这些患者的血浆中植物留醇类化合物的浓度也较高，由此可以认为这类患者是由于肠对胆固醇的过度吸收所致的，治疗时应针对胆固醇的肠吸收靶点用药。而对于那些肝脏和体内胆固醇合成
旺盛的患者而言，其血浆中的甲羟戊酸的含量可以直接反映固醇类化合物的体内合成速率，因此治疗时应施与胆固醇生物合成的抑制剂。最后，对于那些由于胆固醇向胆汁酸转化不充分的患者，可以通过直接检测转化的反应产物7-α羟-4-胆甾嫌-3-酮的含量而知。
针对在临床领域的这两个目标（诊断和机制研究），相应的代谢组学的研究
方法略有不同。在进行诊断上，往往采用对已知标志物的耙标分析（target analysis），或是采用指纹分析（fingerprint analysis）的方法实现对疾病的诊断。在针对机制的研究中，往往采用代谢轮廓分析（metabolic profiling）和代谢组学（metabonomics或metabolomics）的分析来分析尽可能多的代谢产物，利用数据挖掘工具找出有重要意义的代谢产物，寻找新的标志物和更透彻地了解疾病的发生过程，并用于准确的诊断、治疗及其预后判断中。
在进行代谢轮廓分析和代谢组学的分析时，我们旨在分析生物样品中的所有
代谢产物的全部或部分，并得到定量信息。正如在前面的章节中提到的那样，由于代谢组学研究对象的性质复杂，目前还没有能够完全满足代谢组学分析要求的技术。在当前的研究中，主要存在两种分析的策略：一种是“自上而下”（top down）的策略，利用代谢产物普遍具有的性质实现代谢组学分析，如NMR可以对有活性氢或碳元素的代谢产物进行分析；另一种是“自下而上”（bottom up）的策略，将代谢产物分成不同的种类，根据这些不同的种类分别使用合适的分析方法进行测定，最后整合成完整的数据库，在这种方法中，广泛采用质谱和色谱联用技术。
比较而言，自上而下的策略的通量较高，检测时预处理较少，对样品的原始
信息保留较多，而问题在于，由于缺乏分离手段，很多低浓度的代谢产物往往检测不到，得到的结果常常难以进行准确的定性定量，从而在对结果的解析上存在一定的困难，而且目前NMR的谱图由于缺乏较好的数据库，也增加了结果解析的难度。而自下而上的策略，能够检测较多的化合物，色谱与质谱的联用可以提供结构信息，为结果的解析提供了一定的便利，由于分析方法有着很强的针对性，得到的代谢产物的定性定量结果较为准确，但问题主要在于其分析的通量较低，不适合于大规模的筛选。
9.2代谢组学用于心血管疾病严重程度的诊断
心血管疾病是发达国家中发病率和死亡率最高的一种疾病，随着我国人民生