未知物成分分析是通過綜合的分離和分析手段對(duì)復(fù)雜的未知化學(xué)品的成分進(jìn)行定性和定量分析，為科研、產(chǎn)品生產(chǎn)、產(chǎn)品開發(fā)、改進(jìn)生產(chǎn)工藝提供科學(xué)依據(jù)，為企業(yè)引進(jìn)、消化吸收再創(chuàng)新提供強(qiáng)大技術(shù)支撐。

未知物成分分析覆蓋電子、紡織、日化、塑料、橡膠等各個(gè)領(lǐng)域，具體包括：

? 助劑產(chǎn)品：紡織、皮革助劑（柔軟劑、勻染劑、整理劑等）；電鍍（鋅、銅、鉻、鎳、貴重金屬）助劑（前處理添加劑、光亮劑、輔助光亮劑等）；塑料和橡膠制品助劑（增塑劑、抗氧劑、阻燃劑、光和熱穩(wěn)定劑、發(fā)泡劑、填充劑、抗靜電劑等）；涂料助劑（乳化劑、潤濕分散劑、消泡劑、阻燃劑等）；線路板制造化學(xué)品助劑；電子助焊劑；陶瓷助劑；鋁合金表面處理助劑；其它精細(xì)化工助劑

? 油墨產(chǎn)品：墨水，感光油墨等

? 化妝品：洗發(fā)、護(hù)發(fā)用品、護(hù)膚用品、美容用品、口腔衛(wèi)生制品等

? 香精、香料

? 表面活性劑、民用和工業(yè)用清洗劑

? 有機(jī)溶劑: 油漆稀釋劑，天那水，脫漆劑，電子、紡織、印刷行業(yè)用溶劑

? 水處理劑：緩蝕劑、混凝劑和絮凝劑、阻垢劑等

? 石油化學(xué)品：潤滑油，切削液等

? 氣霧劑、光亮劑、殺蟲劑、脫模劑、致冷劑、空氣清新劑等

? 高分子材料

? 其它化工產(chǎn)品

工業(yè)診斷分析是指通過樣品或生產(chǎn)過程中微量污染物的鑒定，來查找工業(yè)生產(chǎn)過程中的質(zhì)量事故原因的方法。
工業(yè)診斷分析需要綜合運(yùn)用各類常量、微量和痕量檢測(cè)技術(shù)，主要成分與雜質(zhì)成分鑒定并舉，有機(jī)分析與無機(jī)分析并重，成分分析與生產(chǎn)工藝流程分析結(jié)合，尤其是對(duì)檢測(cè)結(jié)果的分析和綜合判斷能力要求很高，才能對(duì)產(chǎn)品質(zhì)量事故原因進(jìn)行分析診斷。

工業(yè)診斷分析業(yè)務(wù)已涉及精細(xì)化工、醫(yī)療制品及臨床、造紙、電鍍、精密儀器制造、汽車生產(chǎn)等工業(yè)領(lǐng)域。

行業(yè)資訊：

LDA、SVM和LR模型，這可能是由于RF在進(jìn)行分類預(yù)測(cè)時(shí)，綜合了模型訓(xùn)練時(shí)多個(gè)決策樹分類器的 結(jié)果，具有預(yù)測(cè)結(jié)果準(zhǔn)確可靠、抗干擾能力強(qiáng)等優(yōu)勢(shì)。
此外，RF還具有分析復(fù)雜相互作用分類特征的 能力，對(duì)數(shù)據(jù)集的適應(yīng)能力強(qiáng)，特別是對(duì)于噪聲數(shù)據(jù)和高維特征的數(shù)據(jù)具有很好的魯棒性，并且模型 易實(shí)現(xiàn)并行化，訓(xùn)練速度快。
值得注意的是，表1的數(shù)據(jù)分類結(jié)果顯示了4個(gè)模型對(duì)這3種膀胱癌細(xì)胞 系均具有較高的靈敏度（≥ 88. 6%）和特異性（≥ 93. 3%）。
2. 4　模型評(píng)估　 ROC分析是描述模型正確分類“case”和“nocase”能力的一種可視化工具，顯示了真陽率（即靈 敏度）如何隨假陽率（即1-特異度）的變化［25］ ，曲線下面積（AUC）可用于評(píng)估分類能力，因此將其作為模 型性能的互補(bǔ)測(cè)量。
為了更全面的評(píng)估模型，本文對(duì) 4 種模型進(jìn)行 ROC 分析。
在本研究中使用多類 ROC分析（廣義二元ROC分析）［26］ 評(píng)估不同ML模型的分類能力，即在每個(gè)模型中均執(zhí)行三組二元ROC 分析并分別計(jì)算其對(duì)應(yīng)的AUC，*終取每個(gè)模型的平均AUC。
結(jié)果表明（表2），4個(gè)模型均表現(xiàn)出突出 的預(yù)測(cè)能力（----- AUC ≥ 0. 991），RF模型具有更大的AUC，這是因?yàn)殡S機(jī)重采樣產(chǎn)生的多個(gè)分類器對(duì)噪聲 的抵抗力更強(qiáng)。
3 結(jié) 論 本研究基于 SCMS系統(tǒng)開展了單細(xì)胞中代謝物的檢測(cè)與鑒定，并成功實(shí)現(xiàn)了膀胱癌細(xì)胞亞型的準(zhǔn) 確區(qū)分。
采用 LDA、RF、SVM和 LR方法對(duì)獲得的數(shù)據(jù)集構(gòu)建模型，結(jié)合預(yù)測(cè)精度、分類能力等指標(biāo) 綜合評(píng)估這些模型的性能。
結(jié)果表明，4種方法的分類結(jié)果均較好，分類準(zhǔn)確率在94. 9%以上。
然而， 各模型之間的性能表現(xiàn)不一。
其中RF模型表現(xiàn)*優(yōu)，具有分類準(zhǔn)確率高、泛化性能強(qiáng)等優(yōu)點(diǎn)，能夠在 無須特征選擇的情況下處理直接電離高維質(zhì)譜數(shù)據(jù)，克服了SVM、LR等其他算法在處理高維數(shù)據(jù)中的 局限性。
因此，本文提出的單細(xì)胞代謝組學(xué)結(jié)合機(jī)器學(xué)習(xí)的分析方法實(shí)現(xiàn)了快速準(zhǔn)確地預(yù)測(cè)不同類型 的膀胱癌細(xì)胞，該方法還可直接應(yīng)用于其他樣本的分析預(yù)測(cè)，為單細(xì)胞代謝組學(xué)研究提供了數(shù)據(jù)分析 的方法參照。