基于小样本血浆蛋白质组学数据的抑郁症分类预测

抑郁症是一种常见的精神障碍,约27%的人在一生中会出现类似症状,早期诊断对治疗至关重要,但传统诊断方法存在主观局限性,易误诊或漏诊,因此需要一种客观的诊断方法来提高诊断率。蛋白质组学技术研究蛋白质表达水平变化,可以帮助理解疾病机制,有助于开发临床诊断工具。蛋白质组学数据通常具有特征维度高,样本量少的特点,本文提出了一种基于小样本学习的抑郁症分类预测模型,相比于传统机器学习模型,该模型对抑郁症的分类预测能力显著提升。