自从1999年Nicholson及其同事在核磁共振(NMR)研究的基础上提出代谢组学(Metabonomics)以来,基于NMR的代谢组学得到了迅速地发展。由于机体病理的变化,代谢产物产生了某些相应的变化,利用NMR手段就可以检测到这些代谢产物的变化。对NMR数据采用适当的化学计量学和多元变量分析方法,提取丰富的特征代谢物信息,进行疾病的诊断与病理的分析。同时,数据预处理是代谢组学分析的关键步骤之一,尤其是数据归一化与标准化。如何选择合适的预处理方法已成为代谢组学数据处理研究热点。本文利用基于NMR的代谢组学方法研究糖尿病,对比分析各种代谢组学数据归一化与标准化方法,并在数据预处理过程中引入变量选择方法优化代谢组学数据组。本文的主要内容如下:1.利用基于NMR的代谢组学方法研究糖尿病,建立1型糖尿病鼠代谢模型,并分析1型糖尿病鼠尿液特征代谢物;同时建立2型糖尿病人体代谢模型,分析2型糖尿病人体血液特征代谢物。2.对比基于NMR的代谢组学数据预处理中常用的三种归一化与标准化方法,评价各种方法的优缺点与适用性,并分析其对代谢组学数据多元分析结果与最终建立的代谢模型的影响。3.结合本文提出的判别标准-R值,设计相应的适应度函数,在代谢组学数据预处理过程中,引入遗传算法作为变量选择方法优化变量数据组。