基于特征子空間的質(zhì)譜數(shù)據(jù)分析.pdf

1、蛋白質(zhì)譜數(shù)據(jù)技術(shù)的出現(xiàn)使一次獲得大量生物信息成為現(xiàn)實，也為癌癥早期的預(yù)測和診斷提供了高效、快速、簡單的新方法。但是在蛋白質(zhì)譜數(shù)據(jù)分析中，大量質(zhì)譜特征被用來表現(xiàn)蛋白質(zhì)譜數(shù)據(jù)和分子結(jié)構(gòu)之間的關(guān)系，這就使得蛋白質(zhì)譜數(shù)據(jù)是典型的高維數(shù)據(jù)。高維數(shù)據(jù)引起的問題，在蛋白質(zhì)譜數(shù)據(jù)分析中都會遇到。目前對蛋白質(zhì)譜數(shù)據(jù)的分析常用的步驟如下：對數(shù)據(jù)的預(yù)處理；對處理過的數(shù)據(jù)提取特征；對數(shù)據(jù)進(jìn)行分析并對結(jié)果進(jìn)行評價。其中對特征的提取非常重要，這一步構(gòu)建的特征子空間

2、的質(zhì)量直接決定了數(shù)據(jù)分析的質(zhì)量和效率，所以高維蛋白質(zhì)譜數(shù)據(jù)的特征提取在癌癥診斷中非常關(guān)鍵，減少特征是必不可少的步驟。 目前，利用計算機(jī)分析蛋白質(zhì)譜數(shù)據(jù)，缺乏相關(guān)的先驗知識，沒有統(tǒng)一的理論，而基于特征子空間的獨立成分分析方法是一種對非高斯性數(shù)據(jù)效果良好的特征提取方法。該方法在沒有先驗知識的情況下對特征提取非常有效，能挖掘出許多未知的因素和規(guī)律。本文提出的對蛋白質(zhì)譜數(shù)據(jù)分析的新方法正是基于獨立成分分析在這方面的優(yōu)勢。 本文在

3、獨立成分分析理論的基礎(chǔ)上，提出了蛋白質(zhì)譜數(shù)據(jù)分析的新方法。為了驗證該方法的有效性，實驗采用了快速獨立成分分析算法和加入類信息的監(jiān)督式獨立成分分析算法，在卵巢癌蛋白質(zhì)譜數(shù)據(jù)和前列腺癌蛋白質(zhì)譜數(shù)據(jù)中進(jìn)行驗證。為了獲得較好的實驗結(jié)果，實驗按照如下步驟進(jìn)行：首先對數(shù)據(jù)進(jìn)行預(yù)處理，將數(shù)據(jù)集分為訓(xùn)練集和測試集兩部分，然后利用降維方法（T-test，PCA，二次PCA）減少數(shù)據(jù)的維數(shù)和無關(guān)的信息，再用獨立成分分析提取獨立成分，構(gòu)建特征子空間，將測試數(shù)

4、據(jù)投影，并訓(xùn)練分類器（SVM和LDA）進(jìn)行分類，通過樣本劃分法對學(xué)習(xí)的結(jié)果進(jìn)行評估。 為了進(jìn)一步優(yōu)化獨立成分分析的效果，實驗針對獨立成分分析本身具有的兩個缺點一不能自動生成獨立成分個數(shù)和處理小樣本，進(jìn)行了實驗。針對缺點一，實驗在兩個數(shù)據(jù)集上選取了若干獨立成分個數(shù)進(jìn)行實驗，并總結(jié)其規(guī)律。針對缺點二，實驗采用三種降維方法配合獨立成分分析解決小樣本問題，并對實驗結(jié)果進(jìn)行比較。為了避免實驗結(jié)果受分類器影響，本文采用了兩種分類器（SVM和