中文摘要：

本项目拟采用NMR技术结合化学计量学的数据后处理方法，解决基于NMR代谢组学中强背景信号（高含量代谢物的强信号）对其它代谢物信息提取的干扰问题，达到解析重叠NMR信号的目的。在糖尿病、药物毒理等代谢组学研究体系中，会出现强背景信号掩盖低含量代谢物信号的现象，造成低含量代谢物信息提取的困难和数据归一化的失真以及由此导致的信息缺失和扭曲。目前的处理方法是删除含强背景信号的谱峰区域，由此造成了大量信息的丢失。针对此问题，我们提出以高含量代谢物分子内不重叠或重叠不完全的强背景信号来推测重叠的强背景信号的幅度和线型，并将此信息应用于解析重叠NMR信号的小波分析技术中，通过与免疫算法的结合来拓宽原有小波分析技术的应用范围，进而发展基于小波分析的新算法，实现剔除强背景信号及从重叠NMR信号中提取有用信息的目的，为代谢组学中重叠NMR信号解析提供新方法。本项目是基金委分析化学学科重视的"方法学研究"内容。

结论摘要：

本项目采用NMR 技术结合化学计量学的数据后处理方法，解决基于NMR 代谢组学中强背景信号（高含量代谢物的强信号）对其它代谢物信息提取的干扰问题，达到解析重叠NMR信号的目的。在糖尿病、药物毒理等代谢组学研究体系中，会出现强背景信号掩盖低含量代谢物信号的现象，造成低含量代谢物信息提取的困难和数据归一化的失真以及由此导致的信息缺失和扭曲。目前的处理方法是删除含强背景信号的谱峰区域，由此造成了大量信息的丢失。针对此问题，我们提出了高含量代谢物分子内不重叠或重叠不完全的强背景信号来推测重叠的强背景信号的幅度和线型，并将此信息应用于解析重叠NMR 信号的小波分析技术中，通过与免疫算法的结合来拓宽原有小波分析技术的应用范围，进而发展基于小波分析的新算法，实现剔除强背景信号及从重叠NMR 信号中提取有用信息的目的，为代谢组学中重叠NMR信号解析提供了方法。