代谢组学是新一代组学技术中与临床研究结合越来越紧密的技术,近年来发展迅猛,因其能够定性定量分析复杂生物样品中小分子代谢物而成为目前组学的研究热点之一[1]。目前代谢组学最主要的两大分析平台分别是核磁共振(NMR)和质谱(MS),而NMR因其样本预处理简单、高精确性、无损性及无偏向性而在分析复杂体液中的代谢物时具有极大的优越性,因而在代谢组学的发展过程中得以广泛应用。NMR代谢组学的前期研究,为了能够最大程度获得样本有效信息,研究人员从样本制备储存、核磁实验的设计、温度、弛豫时间的设定甚至溶剂峰抑制方法的选择[2-5]等做了大量的研究。同样对于所得到的NMR波谱处理,也发展出相位校正[6]、基线校正[7]、谱对齐[8]、归一化处理[9]、积分[10]、去卷积[11]、定量方法[12]等系统的处理过程,从而便于接下来的波谱数据处理[13]。但是NMR代谢组学处理的生物样本诸如血浆、尿液和脑脊液等,其中含有成百上千种小分子代谢物导致NMR波谱中不可避免的发成大量重叠[14]。通过解析波谱进行化合物鉴定是NMR代谢组学进一步研究的关键,但是NMR波谱中的峰重叠问题一直是NMR代谢组学的最大挑战之一。传统的解决峰重叠的方法是将核磁实验扩展为二维的同核(如JRES,COSY和TOCSY)或者异核(如HSQC和HMBC),但是经典的二维核磁实验的耗时是1H-NMR实验的10到40倍,因而并不适用于高通量大样本的NMR代谢组学[15]。NMR代谢组学在从试验推向临床实际应用的过程中,需要快速精确的检测出代谢物的变化,探索如何快速定性定量的解决混合物NMR波谱的鉴定。随着研究的深入,代谢物谱图数据库如 HMDB(Human Metabolome Database)、MMCD(Madison Metabolomics Consortium Database)等提供的根据化学位移值自动匹配化合物的方法极大地便利了经由NMR谱峰的代谢物鉴定。有了标准图谱库的参照,一些致力于研究自动化代谢物鉴定的方法也随之出现。但是目前的化合物匹配的方法存在不足。为了能够验证所研究的峰匹配算法,同时为了今后探索更加精准的代谢物鉴定方法,本研究整理了 HMDB中代谢物的氢核磁共振的化学位移,利用MySQL首先建立了自己的1H-NMR代谢物数据库。然后基于HMDB和MMCD等常用的数据库所用的代谢物鉴定方法,同时利用Jaccard系数和匹配率设计了一种新的利用化学位移进行峰匹配的算法,综合了 Jaccard系数和匹配率两种匹配方式,修正了对多峰物质和少峰物质的偏倚,提高了匹配的精确性及合理性。