目的：代谢组数据可用来表示研究机体在外界刺激或基因改变的影响下变化的代谢模式特征。通过代谢组表达数据的分析，可以辨识和解析被研究对象的生理和病理状态，分析的主要困难是相对于给定的样品数目，代谢组分的数量巨大，组分之间有大量的冗余信息，直接根据高维的原始数据进行分析，难以发现隐藏在大量数据背后的有用的信息和知识。本项研究针对上述问题，采用核主成分分析法进行代谢组数据分析的研究，进行特征提取从而使数据降维和可视化。　　 内容 ①在介绍核主成分分析方法的原理的基础上，通过模拟实验验证其适用性、特点和有效性；②核主成分分析方法与主成分分析方法相比较的优缺点；③核主成分分析方法的软件实现。　　 方法：利用Matlab和SAS两种语言进行核主成分分析，通过模拟实验验证核主成分分析方法的有效性。针对不同类型的数据对其进行分析和评价，利用公开的生物信息数据库，选择具有典型意义的样本数据，通过对实际样本的分析，探讨核主成分分析方法的实际应用效果。　　 结果：主要研究结果如下：　　 (1)模拟实验证实了核主成分分析方法进行数据可视化的有效性。核主成分分析方法可视化效果与变量的分类能力有关，即差异变量在类间的区分度愈大其可视化效果愈好；同时与无差异变量的数目有关，即随无差异变量数目的增加其可视化效果下降。　　 (2)模拟实验结果显示：当数据为理想的线性关系时，核主成分分析方法的可视化效果等同于或略低于主成分分析方法；但当数据为非线性关系时，核主成分分析方法则能显示出其优势，它更适应用于复杂的代谢组指纹图谱数据分析。　　 (3)模拟实验结果显示：当变量服从偏态分布时，核主成分分析方法的可视化效果明显优于普通的主成分分析方法，提示核主成分分析方法不易受离群值影响。　　 (4)采用不同核函数以及选用不同参数的核主成分分析方法，会产生不同的数据可视化效果。本模拟实验结果表明，径向基核函数KPCA的可视化方法更为稳健，效果优于多项式核函数的KPCA。对于多项式核函数的KPCA，随着多项式阶数的增加，可视化效果有所下降；对于径向基核函数的KPCA，随着设定的值增大，可视化效果变差。　　 (5)本研究对五个实际数据，包括乳腺癌、肥胖、营养素实验三个代谢组学数据和代谢组上游结肠癌基因表达数据、卵巢癌蛋白组表达数据进行了分析，结果显示在传统的主成分分析分析效果不理想时，核主成分分析方法仍有可能获得比较理想的结果，适用于生物数据的可视化分析。　　 结论：核主成分分析法可以有效地应用于代谢组表达数据的数据可视化研究。与目前使用的主成分分析法相比，对于具有复杂相关结构的数据，核主成分分析法有其明显的自身特点，适用性更强，是一种值得推荐和进一步研究的方法。