内源小分子代谢物浓度水平的变化为恶性肿瘤诊断、治疗、预后和机制研究标志物的研究提供了丰富的信息，但对于生物标志物的筛选有很多问题。本项目在多种高维组学方法研究的基础上，给出了针对高维代谢组学数据分析的新方法—MPGA-RF模型与算法。使用这种方法，通过调整参数可以适应多种研究目的和实际需要，不仅能够筛选出具有相加效应的代谢物质，而且能够筛选出具有交互作用的生物标志物，保证分析结果的多样性。这种算法能够进行不同种群间的并行运算，缩减程序运行时间，其运算时间几乎不受变量数目的影响。模拟实验和实际数据分析都显示了这种方法的有效性。. 在生物学分析上，通过标志物筛选和代谢通路分析，确定了若干卵巢癌特异的生物标志物，这些新的标志物可用于阐述其生物学特征及内源性小分子变化机理，为卵巢癌的发生和发展机制的研究提出新的科学假说。使用血浆和尿液代谢组学研究卵巢癌，为首次报道的中国北方人群的卵巢癌血浆代谢组学研究。本项目在血浆中发现了大量与卵巢癌相关的潜在生物标志物，并成功鉴定了53个卵巢癌血浆特异性代谢标志物和23个尿液标志物，特别是对于早期卵巢癌诊断，多标志物联合诊断准确度明显优于目前临床上常用的生物标志物CA125。其中，筛选并确定了2-哌啶（2-piperidinone）、吲哚乙酸（3-indolelactic acid）、酰基肉毒碱（acylcarnitines）和左旋色氨酸（L-Tryptophan）等多种早期卵巢癌的血浆生物标志物，N4-Acetylcytidine和Urate-3-ribonucleoside等多种卵巢癌患者尿液的生物标志物。利用这些差异代谢物可以将卵巢癌早期和晚期区分开；同样，使用其中的差异代谢物亦可将原位卵巢癌和转移性卵巢癌显著分离。研究的主要成果：完成论文23篇（SCI论文9篇，中文核心期刊14篇），申请专利2项，培养青年教师2名，培养研究生10名。