未知物成分分析是通過綜合的分離和分析手段對復(fù)雜的未知化學(xué)品的成分進行定性和定量分析,，為科研、產(chǎn)品生產(chǎn),、產(chǎn)品開發(fā),、改進生產(chǎn)工藝提供科學(xué)依據(jù),，為企業(yè)引進、消化吸收再創(chuàng)新提供強大技術(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,；其它精細化工助劑

? 油墨產(chǎn)品：墨水,，感光油墨等

? 化妝品：洗發(fā)、護發(fā)用品,、護膚用品,、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用各類常量、微量和痕量檢測技術(shù),，主要成分與雜質(zhì)成分鑒定并舉,，有機分析與無機分析并重，成分分析與生產(chǎn)工藝流程分析結(jié)合,，尤其是對檢測結(jié)果的分析和綜合判斷能力要求很高,，才能對產(chǎn)品質(zhì)量事故原因進行分析診斷。

工業(yè)診斷分析業(yè)務(wù)已涉及精細化工,、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在進行分類預(yù)測時，綜合了模型訓(xùn)練時多個決策樹分類器的 結(jié)果,，具有預(yù)測結(jié)果準確可靠,、抗干擾能力強等優(yōu)勢。
此外,，RF還具有分析復(fù)雜相互作用分類特征的 能力,，對數(shù)據(jù)集的適應(yīng)能力強，特別是對于噪聲數(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個模型對這3種膀胱癌細胞 系均具有較高的靈敏度（≥ 88. 6%）和特異性（≥ 93. 3%）,。
2. 4　模型評估　 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）可用于評估分類能力,，因此將其作為模 型性能的互補測量。
為了更全面的評估模型,，本文對 4 種模型進行 ROC 分析,。
在本研究中使用多類 ROC分析（廣義二元ROC分析）［26］ 評估不同ML模型的分類能力，即在每個模型中均執(zhí)行三組二元ROC 分析并分別計算其對應(yīng)的AUC,，*終取每個模型的平均AUC,。
結(jié)果表明（表2）,，4個模型均表現(xiàn)出突出 的預(yù)測能力（----- AUC ≥ 0. 991），RF模型具有更大的AUC,，這是因為隨機重采樣產(chǎn)生的多個分類器對噪聲 的抵抗力更強,。
3 結(jié) 論 本研究基于 SCMS系統(tǒng)開展了單細胞中代謝物的檢測與鑒定，并成功實現(xiàn)了膀胱癌細胞亞型的準 確區(qū)分,。
采用 LDA,、RF、SVM和 LR方法對獲得的數(shù)據(jù)集構(gòu)建模型,，結(jié)合預(yù)測精度,、分類能力等指標 綜合評估這些模型的性能。
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)，具有分類準確率高,、泛化性能強等優(yōu)點,，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，本文提出的單細胞代謝組學(xué)結(jié)合機器學(xué)習(xí)的分析方法實現(xiàn)了快速準確地預(yù)測不同類型 的膀胱癌細胞,，該方法還可直接應(yīng)用于其他樣本的分析預(yù)測,，為單細胞代謝組學(xué)研究提供了數(shù)據(jù)分析 的方法參照。