随着生物工程技术的快速发展,代谢网络模型在代谢工程和合成生物学中得到了广泛的应用。但是,代谢网络模型的建立普遍需要胞内代谢物浓度作为初始参数。使用实验方法进行胞内代谢物的提取和浓度的测定非常复杂和困难,尤其当要提取、测量大量低浓度代谢物的时候。相比于实验方法,使用计算的方法进行浓度的预测更为方便、有效。在这篇文章中,我们使用数据挖掘的方法,建立了以代谢物化学描述符、代谢网络拓扑参数、代谢通路特征为基础的代谢物浓度预测模型。在构建模型之前,我们使用遗传算法在包含91个代谢物浓度样本的训练集上对1669个特征进行特征选择。在特征选择的过程中,我们使用留一法交叉验证的Q~2值对特征子集的有效性进行评估。特征选择完成之后,我们使用包含39个代谢物浓度样本的独立测试集对特征子集的有效性进行外部测试,得到了较为一致的结果,说明我们选择出的14个特征可以较好地用于浓度预测。不同的机器学习算法在研究不同的问题中有着不同的优势。在上述研究的基础上,我们使用四种机器学习算法:朴素贝叶斯、BP神经网络、随机森林、支持向量机,在特征相同的情况下,进行浓度预测模型的构建,以期能够选出用于浓度预测实验的最佳机器学习方法,提高浓度预测的效果。经过对比我们发现,在训练集中,不同算法之间各有优势。但在测试集中,使用高斯核函数的支持向量机模型的结果明显优于其他三种算法。另外,其他三种算法的结果与使用多项式核函数、Sigmod核函数的支持向量机模型非常接近。这可能暗示,基于高斯核函数的支持向量机模型的优势更多是源于高斯核函数可以更好地将低维特征映射到高维空间。因此,在现有数据集和特征的基础上,我们认为,基于高斯核函数的支持向量机算法最适合用于代谢物浓度的预测。模型在内部交叉验证和外部独立测试的结果表明(R~2=0.74,RMSE=0.73,Q~2=0.57;R_p~2=0.59,RMSE_p=0.70,Q_p~2=0.58),我们建立的支持向量机回归模型在浓度预测实验中有着较好的训练能力和泛化能力。这一结果显著优于现有的各类方法,并且具有更广泛的覆盖范围。