一种基于多核学习的代谢组学数据批次校正方法

本发明公开一种基于多核学习的代谢组学数据批次校正方法，属于生物信息学与分析化学交叉技术领域。该方法利用多核学习技术，自适应融合不同核函数优势，构建契合数据实际的模型，精准捕捉代谢物信号复杂漂移特征，实现代谢组学数据高效且准确的归一化处理。与传统的SVR和LOESS等数据标准化方法相比，本发明方法在降低代谢物峰强度变异性方面表现卓越，显著提升数据稳定性。在后续多元统计分析中，分类准确率大幅提高，不同批次数据间的可比性也显著增强，能为疾病生物标志物的发现提供可靠数据支撑，在大规模代谢组学研究中发挥关键作用。