目的:本学位论文以肾癌患者和健康自愿者体液（血液和尿液）为实验样品,首先通过基于核磁共振（~1HNMR）的代谢组学分析技术,找出区分肾癌患者和健康人群相关的代谢物组;对这些潜在特征代谢物（biomarkers）进行鉴定和确证,寻找与肾癌诊断相关的潜在biomarkers。建立潜在biomarkers的定量方法,优化和确定人工神经网络（ANN）输入参数,初步建立可用于肾癌诊断的ANN模型。方法:1.应用1HNMR技术检测健康对照者和肾癌患者的血液和尿液,采用SIMCA-P软件对样品的1HNMR数据进行多元统计学分析,利用2维全相关谱（TCOSY）,H-13C相关（HSQC）,网络数据库,统计全相关谱（STCOSY）及标准品对1HNMR技术的候选biomarkers（VIP>1.0）进行鉴定和确证,以分类重要性数值（VIP）和单个特征峰的1HNMR积分数据t检验结果为依据,确定肾癌诊断相关的潜在biomarker。2.健康对照者和肾癌患者体液进行处理后以ZIC-HILIC为色谱柱,A乙腈-B5m M磷酸二氢铵+0.1%磷酸溶液为流动相,采用梯度洗脱的方式进行洗脱,流速0.8ml/min,多检测波长270、250、215nm,进样20μl,柱温38℃;对尿酸代谢通路进行定量分析。3.为消除样品取样的差异,随机取样5000次以上,分为训练样本（90%）和预测样本（10%）建立ANN模型,即任何一个模型都对不同的样品组合计算5000次以上。如对82例血液样品（随机选取训练74例,预测8例）建立ANN的网络模型,对已训练的样品（90%）进行预测,预测结果与真实值的差异百分比为组内预测准确度;对未训练的样品（剩余的10%）进行预测,预测结果与实验测定真实值的差异百分比为组外预测准确度。以平均预测准确度为评价指标,对ANN模型参数和输入参数进行优化。使用受试者工作特征曲线（ROC曲线）评价模型对数据进行分析。结果:1.研究发现肾癌组与正常组体液（尿液、血液）具有不同的代谢表型。并且利用多元化统计分析找出了引起差异的特征代谢物,如血液中亮氨酸、异亮氨酸、缬氨酸、丙氨酸、醋酸、琥珀酸、胆碱、甜菜碱、牛磺酸、肌酐、α-葡萄糖、黄嘌呤水平升高,脂质的水平降低;尿液中3-羟基丁酸、醋酸、α-葡萄糖、肌酸水平升高,赖氨酸、柠檬酸、次黄嘌呤、马尿酸、黄嘌呤、氧化三甲胺水平降低。2.建立了同时检测人体生物样品中黄嘌呤、次黄嘌呤、尿酸、肌酐含量的HILIC-HPLC-UV方法。通过统计学分析发现肾癌组血液中尿酸的浓度和UA/HYP、XAT/HYP、UA/Cr的比值比正常组低;肾癌组尿液中黄嘌呤、尿酸、肌酐的浓度和UA/HYP、XAT/HYP、UA/Cr的比值远比正常组低;3.对~1HNMR技术代谢组学分析到的差异代谢物和HILIC-HPLC-UV定量分析的尿酸代谢物进行人工神经网络建模。结果表明血液样品经过~1HNMR技术检测的定量数据经过BP算法神经网络模型的预测,以代谢物3-羟基丁酸和谷氨酸盐的含量输入参数,模型的平均预测准确度可达95%以上。尿液样品经过HILIC-HPLC-UV定量分析数据建立BP算法神经网络模型进行预测,以HYP/Cr和UA/Cr为输入参数,模型的平均预测准确度可达90%以上。通过ROC曲线对数据评价发现~1HNMR血液的定量数据和尿酸代谢的定量数据诊断价值较高。结论:1.通过~1HNMR代谢组学研究发现,肾癌和正常组变化差异较大的代谢物主要涉及能量代谢、尿酸代谢和氨基酸代谢通路等相关代谢物。2.通过研究发现尿液和血液中尿酸浓度降低和次黄嘌呤浓度升高,可能是肾癌患者肝脏和肾脏中嘌呤氧化酶活性受到抑制导致尿酸合成减少产生的。3.通过优化和确定ANN输入参数,初步建立可用于肾癌诊断的ANN模型。ROC曲线评价模型的预测性能好。