代谢组学是一门对代谢物进行特性识别和鉴定的科学,代谢组学主要研究的是作为各种代谢路径的底物和产物的小分子代谢物,由于代谢组样本处理、检测平台和分析技术多样,无法满足临床和医学研究所要求的高重复性和高精度,因此对不同平台和不同实验室之间的数据进行质量控制成为代谢组学研究的关键技术问题。本文主要研究代谢组数据的质量控制和质控自动化工具的开发。本文主要工作如下:(1)完成了对质控工具的需求分析和设计。本文基于对代谢组学分析人员的调研以及对代谢组学质控现状的研究,首先对工具的功能需求和非功能需求进行介绍,接着确定了工具开发的基本框架和功能模块,然后对工具进行了可视化设计和流程设计。(2)给出了一种基于遗传算法的代谢物筛选方法。本文根据代谢组数据的特性,提出了一种基于遗传算法的代谢物筛选算法和一种基于DBSCAN的数据一致性特征评价函数,该算法以标准参比物数据检测结果全集为基础,利用遗传算法搜索特征子集,并利用特征评价函数对特征子集进行评价,最终获得最优特征子集,输出代谢物集合。实验表明,本文所提出的筛选算法能够使得数据的一致性显著增强,筛选得到的代谢物可以作为一种跨平台数据比较标准。(3)构建了一套完整的代谢组数据质量评估指标体系。在深入了解代谢组数据特性和国内外代谢组数据质量评估研究的前提下,本文构建了一套代谢组数据质量评估指标体系,建立了代谢组数据质量评分数学模型,并利用层次分析法确定指标体系中各指标的权重。(4)实现了代谢组数据质控自动化工具。工具首先完成了对数据的质量评价,然后对代谢组数据质量评估指标体系中的各个指标进行可视化的展示。并且对于在质控过程中异常的代谢物,工具实现了对这些代谢物代谢路径的可视化。