基于優(yōu)化的偏最小二乘—判別分析和核磁共振波譜的肺癌血清代謝組學(xué)研究.pdf

1、代謝組學(xué)是繼基因組學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)之后，系統(tǒng)生物學(xué)的又一重要領(lǐng)域，代謝組學(xué)所面臨的核心問題之一是如何有效利用化學(xué)計量學(xué)方法對所得復(fù)雜的數(shù)據(jù)進(jìn)行深入地分析和挖掘。目前，偏最小二乘-判別分析法(PartialLeast-SquaresDiscriminantAnalysis，PLS-DA)常被用于代謝組學(xué)數(shù)據(jù)分析，其以簡單的參數(shù)結(jié)構(gòu)和良好的穩(wěn)定性，日益引起研究者的廣泛關(guān)注。然而，PLS-DA也存在一些缺點(diǎn)，比如，算法容易陷入過擬合和

2、局部最優(yōu)。本論文基于PLS-DA的優(yōu)缺點(diǎn)以及粒子群算法(ParticleSwarmOptimization，PSO)良好的優(yōu)化性能做了以下兩個方面的工作:
　　(1)分析了傳統(tǒng)的偏最小二乘-判別分析法容易引起過擬合和局部最優(yōu)的原因，引入粒子群算法用于同時優(yōu)化PLS-DA建模中涉及到的變量及其相應(yīng)的權(quán)重和隱變量的個數(shù)，形成了一種新的算法，即，PSO-PLSDA法。在本章中，結(jié)合核磁共振技術(shù)與PSO-PLSDA法，對所收集到健康人、治

3、療后復(fù)發(fā)及新診斷的肺癌患者的血液樣本進(jìn)行代謝組學(xué)分析，相對于PLS-DA法獲得的對訓(xùn)練集和預(yù)測集的識別率86％和65％而言，新提出的PSO-PLSDA對這兩個子集產(chǎn)生98.5％和85％的識別率。另外，PSO-PLSDA還確定了多個潛在的肺癌血清代謝標(biāo)志物:乳酸、脯氨酸、糖蛋白、谷氨酰胺、葡萄糖（α-和β-）、三甲胺、甘氨酸、蘇氨酸、?；撬帷⒓〈?、丙氨酸和谷氨酸。
　　(2)在本章中，我們從另一個角度出發(fā)對PLS-DA的性能進(jìn)行改善