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(shí)，也為癌癥早期的預(yù)測(cè)和診斷提供了高效、快速、簡(jiǎn)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(lái)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(huì)遇到。目前對(duì)蛋白質(zhì)譜數(shù)據(jù)的分析常用的步驟如下：對(duì)數(shù)據(jù)的預(yù)處理；對(duì)處理過的數(shù)據(jù)提取特征；對(duì)數(shù)據(jù)進(jìn)行分析并對(duì)結(jié)果進(jìn)行評(píng)價(jià)。其中對(duì)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(jì)算機(jī)分析蛋白質(zhì)譜數(shù)據(jù)，缺乏相關(guān)的先驗(yàn)知識(shí)，沒有統(tǒng)一的理論，而基于特征子空間的獨(dú)立成分分析方法是一種對(duì)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(yàn)知識(shí)的情況下對(duì)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(duì)蛋白質(zhì)譜數(shù)據(jù)分析的新方法正是基于獨(dú)立成分分析在這方面的優(yōu)勢(shì)。 本文在

3、獨(dú)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(yàn)證該方法的有效性，實(shí)驗(yàn)采用了快速獨(dú)立成分分析算法和加入類信息的監(jiān)督式獨(dú)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(yàn)證。為了獲得較好的實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)按照如下步驟進(jìn)行：首先對(duì)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(cè)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(wú)關(guān)的信息，再用獨(dú)立成分分析提取獨(dú)立成分，構(gòu)建特征子空間，將測(cè)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(duì)學(xué)習(xí)的結(jié)果進(jìn)行評(píng)估。 為了進(jìn)一步優(yōu)化獨(dú)立成分分析的效果，實(shí)驗(yàn)針對(duì)獨(dú)立成分分析本身具有的兩個(gè)缺點(diǎn)一不能自動(dòng)生成獨(dú)立成分個(gè)數(shù)和處理小樣本，進(jìn)行了實(shí)驗(yàn)。針對(duì)缺點(diǎn)一，實(shí)驗(yàn)在兩個(gè)數(shù)據(jù)集上選取了若干獨(dú)立成分個(gè)數(shù)進(jìn)行實(shí)驗(yàn)，并總結(jié)其規(guī)律。針對(duì)缺點(diǎn)二，實(shí)驗(yàn)采用三種降維方法配合獨(dú)立成分分析解決小樣本問題，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行比較。為了避免實(shí)驗(yàn)結(jié)果受分類器影響，本文采用了兩種分類器（SVM和