《表1 归一化方法分类及特点Tab.1 Classification and characteristics of normalization methods》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《非靶标代谢组学研究的影响因素分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

数据归一化可以消除或减轻由于采集过程中的明显差异（如尿液体积）所致的代谢物浓度的不均一性。常用的归一化方法有总峰面积归一化、内标归一化、肌酐归一化、渗透浓度归一化及质量归一化等，各方法特点见表1。王丹丹等[29]提出实验过程中应选择3种或以上的归一化方法，比较模型参数，选择合适的方法，确保结果的准确性。另外，也有研究优化传统的归一化方法，以取得更好的归一化效果，如董继扬等[30]提出了一种基于问题相关性的迭代归一化法，降低无关谱峰及基线部分的权重计算归一化系数；黄赫等[31]提出一种基于代谢物统计的归一化算法，通过排除差异性较显著的代谢物，将剩余代谢物进行归一化，提高了数据归一化精度，促进后期的模式识别及标志物寻找。