發(fā)布時間：2018-12-12 00:37

【摘要】：基于前列腺癌檢測中獲取的表面增強激光解吸/離子化飛行時間質譜(SELDI-TOF-MS)數(shù)據(jù),提出一種概率主成分分析(PPCA)聯(lián)合支持向量機(SVM)的分類方法。對臨床322例血清樣本的質譜數(shù)據(jù)進行特征提取,以隨機選取訓練樣本集(225例)構造SVM判別模型,對剩余樣本集(97例)進行測試。采用均方根誤差、識別率與預測率指標,將所構造的PPCA-SVM模型分別與偏最小二乘(Partial least squares,PLS)和PCA-SVM模型進行比較,發(fā)現(xiàn)PLS模型的識別率和預測率分別為90.92%和76.38%,PCA-SVM模型分別為99.23%和84.63%,而PPCA-SVM模型分別為99.01%和90.41%。因此SELDI-TOF-MS技術結合PPCA-SVM在樣品分類中具有準確、重復性好等優(yōu)點,為前列腺癌早期診斷提供了一種新方法。
[Abstract]:Based on the surface enhanced laser desorption / ionization time of flight mass spectrometry (SELDI-TOF-MS) data obtained from prostate cancer detection, a probabilistic principal component analysis (PPCA) combined with support vector machine (SVM) classification method is proposed. The mass spectrum data of 322 serum samples were extracted. The SVM discriminant model was constructed by randomly selecting the training sample set (225 cases) and the remaining sample set (97 cases) was tested. The RMS error, recognition rate and prediction rate index are used to compare the constructed PPCA-SVM model with the partial least square (Partial least squares,PLS) model and the PCA-SVM model, respectively. It was found that the recognition rate and prediction rate of PLS model were 90.92% and 76.38%, respectively, and that of PCA-SVM model were 99.23% and 84.63%, respectively, while those of PPCA-SVM model were 99.01% and 90.41%, respectively. Therefore, SELDI-TOF-MS combined with PPCA-SVM has the advantages of accuracy and reproducibility in sample classification, which provides a new method for early diagnosis of prostate cancer.
【作者單位】： 吉林大學儀器科學與電氣工程學院;吉林大學化學學院;吉林大學第一醫(yī)院;
【基金】：國家自然科學基金(201101071) 吉林省自然科學基金(20140101063JC)
【分類號】：R737.25;O657.63

【參考文獻】

相關期刊論文 前1條

1 徐琨;朱爾一;楊們原;劉銀坤;;由質譜分析數(shù)據(jù)建立乙肝病人與健康人的分類模型[J];分析化學;2009年02期

【共引文獻】

相關期刊論文 前6條

1 陶蓓蕾;邱德仁;楊們原;;蛋白質組學研究中醫(yī)中藥進展和評述[J];化學世界;2011年10期

2 劉書成;章超樺;洪鵬志;吉宏武;;高溫GC-MS聯(lián)用技術在油脂分析中應用[J];糧食與油脂;2006年01期

3 劉書成;章超樺;洪鵬志;吉宏武;;液質聯(lián)用技術在油脂分析中應用[J];糧食與油脂;2006年09期

4 陳杭亭;楊秀榮;;分析化學進展[J];化學通報;2014年07期

5 汪勇;宋坷珂;王麗麗;韓雪;趙謀明;;反相高效液相色譜法測定甘油二酯含量研究[J];中國糧油學報;2010年03期

6 劉書成;章超樺;洪鵬志;吉宏武;;超臨界流體色譜和質譜聯(lián)用在油脂分析中的應用[J];中國油脂;2006年09期

相關碩士學位論文 前1條

1 崔振超;基于神經(jīng)網(wǎng)絡的蛋白質質譜數(shù)據(jù)在卵巢癌診斷中的應用研究[D];燕山大學;2010年

【二級參考文獻】

相關期刊論文 前2條

1 朱爾一;一種適合用于處理中藥指紋圖譜數(shù)據(jù)的偏最小二乘法[J];計算機與應用化學;2005年08期

2 朱爾一;林燕;;利用偏最小二乘法的一種變量篩選法[J];計算機與應用化學;2007年06期

【相似文獻】

相關會議論文 前10條

1 ;Serum Protein Fingerprint of Patients with Gastric Cancer by SELDI Technology[A];2009年浙江省檢驗醫(yī)學學術年會論文匯編[C];2009年

2 姜偉;王開正;;SELDI技術在檢驗醫(yī)學中的應用進展[A];第五次全國中青年檢驗醫(yī)學學術會議論文匯編[C];2006年

3 楊瑞紅;郭素堂;宋霞;田瑞芬;王春艷;王�；�;郭向云;;SELDI技術在肺鱗化療監(jiān)測中的臨床觀察[A];泛環(huán)渤海地區(qū)九省市生物化學與分子生物學會——2011年學術交流會論文集[C];2011年

4 溫紅俠;陳一強;;應用SELDI技術篩選肺癌血清標志物的研究[A];中華醫(yī)學會第11屆全國內科學術會議論文匯編[C];2007年

5 王玉書;沈靖;潘凱楓;張聯(lián);游偉程;;表面增強激光解吸電離飛行時間質譜技術在醫(yī)學中的應用[A];全國腫瘤流行病學和腫瘤病因學學術會議論文集[C];2007年

6 Daiwen Xiao;Yongchang Yang;Wei Jiang;Hangfeng Zhang;Hua Liu;Hua Yu;Chunbao Xie;Min Zhong;Liang Chen;Wenfang Huang;;Direct Common Gram-Negative Bacterial Identification from Positive Blood Culture Bottles by SELDI-TOF MS[A];第一次全國中西醫(yī)結合檢驗醫(yī)學學術會議暨中國中西醫(yī)結合學會檢驗醫(yī)學專業(yè)委員會成立大會論文匯編[C];2014年

7 ;Serum Proteomic Patterns for Screening Hepatic Cellular Carcinoma Using SELDI-TOF Mass Spectrometry[A];2009年浙江省檢驗醫(yī)學學術年會論文匯編[C];2009年

8 王晉芬;李義;楊瑞紅;郗彥鳳;;SELDI-TOF-MS在彌漫性大B細胞淋巴瘤中的意義[A];第十一屆中國抗癌協(xié)會全國淋巴瘤學術大會教育論文集[C];2009年

9 ;Development of Proteomic Patterns for Detecting Lung Cancer[A];中國細胞生物學學會第八屆會員代表大會暨學術大會論文摘要集[C];2003年

10 蘇乃倫;牟文風;王斌;;應用SELDI蛋白芯片技術篩選肝癌患者血清中的特異性生物標志[A];中華醫(yī)學會第七次全國檢驗醫(yī)學學術會議資料匯編[C];2008年

相關重要報紙文章 前1條

1 張墨;我國科研人員鎖定生命“殺手”[N];醫(yī)藥經(jīng)濟報;2005年

相關博士學位論文 前1條

1 林強;SELDI-TOF-MS篩選差異蛋白在肺部良惡性疾病鑒別及臨床決策中的研究[D];蘇州大學;2010年

相關碩士學位論文 前10條

1 楊瑞紅;運用SELDI芯片技術尋找彌漫大B細胞淋巴瘤相關性蛋白[D];山西醫(yī)科大學;2007年

2 玄毅;SELDI蛋白芯片技術在篩選中草藥靶點中的應用[D];泰山醫(yī)學院;2007年

3 王堯佳;面向腫瘤診斷的SELDI蛋白質譜數(shù)據(jù)特征提取研究[D];杭州電子科技大學;2011年

4 杜小祥;SELDI蛋白芯片篩查肺癌血清相關蛋白及其臨床意義[D];山西醫(yī)科大學;2013年

5 甘潔;SELDI蛋白芯片技術篩選肝癌血清標志蛋白的研究[D];廣西醫(yī)科大學;2008年

6 付海艷;應用SELDI-TOF-MS技術篩選原發(fā)性膽汁性肝硬化患者血清特異性標志物[D];昆明醫(yī)學院;2011年

7 陳曉東;SELDI蛋白芯片技術篩選腦膠質瘤血清腫瘤標記物的研究[D];青島大學;2009年

8 徐明輝;SELDI蛋白芯片技術在原發(fā)性肝癌診斷中的應用研究[D];廣西醫(yī)科大學;2009年

9 蔣惟;SELDI血清蛋白質譜腫瘤標志物挖掘方法研究[D];浙江大學;2010年

10 張自森;食管鱗癌血清SELDI蛋白質組表達譜的研究[D];鄭州大學;2005年

，

本文編號：2373541