基于离散平稳小波分解和递归零空间LDA算法的SELDI蛋白质谱特征选择

目的针对如何筛选与肿瘤相关的蛋白位点问题,提出一种基于平稳小波变换与递归零空间LDA算法相结合的特征选择方法。方法首先对样本质谱数据进行平稳小波变换;接着基于递归框架调用零空间LDA算法,挑选出最具判别意义的小波系数特征;然后经平稳小波逆变换,将挑选出的小波系数特征对应回原始蛋白质谱数据中,获得与肿瘤判别相关的蛋白位点。最后,运用SVM分类器估算位点的分类性能。结果在卵巢癌公共数据集OC-WCX2b和浙江省肿瘤医院乳腺癌数据集BC-WCX2a上分别挑选出与肿瘤判别相关的6个和2个蛋白位点。结论本文提出的算法能够有效提取出具有较好判别效果的蛋白质谱位点,有助于癌症的辅助诊断。

基于质谱数据的肿瘤诊断WEB平台

随着蛋白质质谱技术以及智能算法的发展,使用智能算法分析临床质谱数据已在肿瘤早期诊断方面显示了良好的应用前景.通过研究MATLAB Builder JA Toolbox和分析蛋白质质谱数据的智能算法,结合临床蛋白质质谱数据分析的需求,使用JavaEE技术,设计和实现了基于质谱数据的肿瘤诊断web平台.平台功能主要包括质谱数据可视化显示、智能检索和智能决策诊断三大功能.同时还提供病人基本信息及肿瘤数据管理,质谱生物特征位点设置及分析结果数据存储等附加功能.

基于稀疏表示算法的蛋白质质谱数据特征选择

高维、小样本数据的特征选择方法在蛋白质质谱数据处理分析领域有着广泛应用。本文针对蛋白质质谱特征选择问题,结合稀疏表示这一新理论框架,提出了一种基于稀疏表示的特征选择算法(sparse representation based feature selection,SRFS)。该方法将稀疏表示分类的结果作为评定某一个特征子空间特征相对重要性的度量,然后通过对大量随机采样子空间计算结果的统计,得到特征空间中每个特征的排序,并进一步分析提炼出与肿瘤疾病相关的若干谱峰。通过在卵巢癌公共数据集OC-WCX2a和浙江省肿瘤医院乳腺癌数据集BC-WCX2a上的实验结果表明,SRFS算法可以有效应用于本文所使用的SELDI-TOF蛋白质质谱数据的分析。