使用机器学习方法精确预测代谢物模式,区分蜂蜜和糖饮食给小鼠食

科学领域:

• 代谢学 代谢学 代谢学
• 营养科学 营养科学
• 生物信息学是一种生物信息学.

背景情况:

• 蜂蜜是一种天然的甜味剂,被认为比精制糖更健康.
• 以前的研究表明,食用蜂蜜的小鼠与混合糖饮食的小鼠的代谢物概况不同.
• 调查这些代谢差异的批次对批次一致性对于生物标志物验证至关重要.

研究的目的:

• 将机器学习 (ML) 算法应用于非目标代谢学数据,以提高蜂蜜和混合糖饮食之间的区别.
• 确定可靠的代谢生物标志物,使这些饮食模式区分开来.
• 评估多个实验批次的代谢差异的一致性.

主要方法:

• 高性能液体染色学与四极飞行时间质谱学 (HPLC-QTOF/MS) 结合使用,用于非目标代谢.
• 机器学习模型,包括随机森林和额外树木,用于数据分析和分类.
• 使用夏普利添加物扩展 (SHAP) 工具来识别关键的代谢物生物标志物.

主要成果:

• 随机森林和树外模型通过五倍交叉验证证明了蜂蜜和混合糖饮食之间的强烈歧视力.
• 类乙醇胺和类胆被确定为可靠的代谢生物标志物,区分这两种饮食.
• 这项研究证实了三批独立的小鼠之间一致的代谢差异.

结论:

• 机器学习有效地补充和校准代谢学数据,以进行强大的生物标志物发现.
• 特定的脂,即酸乙醇胺和酸胆,作为可靠的生物标志物,用于区分蜂蜜和混合糖饮食.
• 这种方法为分析大规模的代谢数据集和理解饮食影响提供了新的策略.