3月29日，应中科院武汉物理与数学研究所生物波谱及代谢组学研究组唐惠儒研究员和王玉兰研究员之邀，英国牛津大学Mattias Rantalainen博士到该所进行学术交流，并作了题为Predictive Multivariate Latent Variable Models for Biomarker Discovery in 1H NMR-based Metabonomics 的学术报告。

　　报告中，Mattias Rantalainen博士详细介绍了在代谢组学数据挖掘的过程中，如何利用多变量模式识别方法来合理地、有效地解释核磁谱图数据，从而发现可能的潜在生物标记物，而有效的建模方法是构建合理预测模型的关键。同时，针对当前常用的多变量模型预测方法只适用于线性关系这一缺点，他提出了一种基于核(kernel)技术的K-OPLS(K-正交化偏最小二乘法分析)方法，引入kernel函数能有效改变自变量与因变量之间的关系，大大提高了该建模方法的非线性处理能力。