文摘
背景。Surfaced-enhanced激光desorption-ionization-time飞行质谱(SELDI-TOF-MS)技术扮演着重要的角色在卵巢癌的早期诊断。然而,原始数据高维度和冗余女士。因此,有必要研究快速、准确的检测方法大规模数据女士。方法。临床实验中使用的数据集216年早期癌症检测由SELDI-TOF-MS样本。一个女士分析方法基于概率主成分分析(车牌提取)和支持向量机(SVM)被提出并应用于卵巢癌早期分类数据集。此外,通过相同的数据集,我们还建立了一个传统PCA-SVM模型。最后,我们比较了两种模型在检测准确性,特异性和灵敏度。结果。使用独立的培训和测试实验10倍评估卵巢癌检测模型,平均预测精度,灵敏度,PCA-SVM模型的和特异性分别为83.34%,82.70%,和83.88%,分别。相比之下,那些PPCA-SVM模型分别为90.80%,92.98%,和88.97%,分别。结论。PPCA-SVM模型有更好的检测性能。和模型结合SELDI-TOF-MS技术有可能在卵巢癌的早期临床检测和诊断。
1。介绍
卵巢癌的死亡率在女性生殖器恶性肿瘤方面排名第一;由于不安的事实发现,5年生存率只有30%左右(1]。研究表明,如果卵巢癌患者能得到早期诊断,生存率可以提高到约90% (2]。因此,早期诊断和治疗是至关重要的为提高病人的治愈率、延长他们的生存。
Surfaced-enhanced激光desorption-ionization-time飞行质谱(SELDI-TOF-MS)是一种新技术在蛋白质组学研究。准确和快速筛选大量的蛋白质在细胞和组织识别特定的肿瘤标记物,它有一个特定的优势在肿瘤的早期诊断3- - - - - -5]。
然而,原始数据高维度和冗余女士。因此,这是一个重要的任务中提取特征,并建立分类模型在大规模数据分析女士。目前数据分析方法主要包括模式匹配算法[女士6)、遗传算法(7),卡方检验(8),扩展马尔可夫毯子(9),主成分分析(10),人工神经网络(11[],偏最小二乘分析12),健壮的支持向量机(13),和一些组合方法14,15),如小波和安,主成分分析和支持向量机,结合主成分分析和支持向量机方法获得最好的结果。但是,主成分分析(PCA)是基于重建的最小方差原则,导致缺乏概率模型结构和高阶统计数据。概率主成分分析(车牌提取限制因子载荷矩阵和噪声方差估计使用原则组件忽视传统PCA然后获得最优概率模型通过采用参数估计算法。因此,车牌提取可以找到的方向更有效地从高维数据的主成分,并能有效地获得杰出的特征提取(16]。同时,支持向量机的性能通常优于其他分类器应用于非线性分类,包括迭代阈值算法、自组织映射,和最近邻居算法(17]。
根据上面的分析,我们专注于设计的自动模型使用车牌提取和SVM技术从女士卵巢癌识别数据。为了检验该方法的性能,我们建立了一个PPCA-SVM模型自动分类卵巢癌和其平均预测精度相比,灵敏度和特异性与传统PCA-SVM模式使用相同的临床数据集。
2。材料和方法
2.1。数据集
本研究中使用的临床数据集提供的FDA-NCI中心。通过使用获得的血清样本国家卵巢癌早期检测项目(NOCEDP)和西北大学妇科肿瘤诊所(美国芝加哥,IL) FDA-NCI中心形成了临床数据集通过ProteinChip弱阳离子交换互动芯片(WCX2 Ciphergen生物系统公司,Inc .,弗里蒙特,CA,美国)和SELDI-TOF-MS技术(18]。216年的临床数据集包括SELDI-TOF-MS样本,其中包括121对卵巢癌患者的样本和95健康人样本。
生SELDI-TOF-MS样本在特征空间的维数高(每个样本有360000的特性)。图1(一)显示健康样本的光谱图1 (b)显示的卵巢癌患者。强度的差异可以看到癌症样本和健康。在图1(一)126年和719年,强度M / Z分别为3883.321和7766.159。在图1 (b)130年和608年,强度M / Z分别为3883.959和7766.237。
(一)
(b)
(c)
(d)
从数据1(一)和1 (b)可以看出,集中之间的有效信息M / Z2000年和M / Z10000年,原始光谱包含很多冗余和噪声。与此同时,其著名的山峰需要对齐。因此,我们采用原始数据的预处理过程通常用于治疗,包括重采样、对齐、去噪和归一化。预处理过程的详细描述可以在找到5]。图1 (c)预处理频谱图1(一)和图1 (d)是图1 (b)。可以看出,预处理后,维数减少到15000年,著名的山峰是对齐的,背景是纠正和噪声抑制。
2.2。使用车牌提取特征提取
在预处理阶段后,SELDI-TOF-MS数据集仍然是高度尺寸。提取特性通过降维技术不仅简化了预测模型的结构,也提高了训练的速度和测试。主成分分析是一种常用的降维技术基于重建的最小方差原则。更重要的是,它使用了少量的原则组件取代大量的数据。然而,PCA是缺乏概率模型结构和高阶统计量。提出的车牌提取,小费和主教16),限制因子载荷矩阵和噪声方差估计使用原则组件忽视传统PCA潜变量模型,然后得到最优概率模型通过采用参数估计(EM)算法。因此,车牌提取可以找到高维数据的主成分的方向,可以更有效地获得杰出的特征提取更有效。
假设一组观测数据的维数是和样本的数量。一个样本,通过潜变量模型,观测数据之间的关系和潜变量可以表示为 在哪里是一个因子载荷矩阵,是一个维潜变量,,是一个非零的意思是,是错误和假设和,然后我们可以获得的概率分布条件下的通过(1)如下: 如果的先验概率模型符合高斯分布 然后的概率分布可以表示为 在哪里是一个矩阵。通过使用贝叶斯规则,我们可以得到的后验概率分布从: 在哪里是一个矩阵。在这种模式下,对数似函数可以表示为 在哪里的协方差矩阵是观察,然后我们可以获得通过EM算法的最大似然估计: 在哪里的旧值参数矩阵和修改后的估计计算(7)。我们将获得的参数(7)和(8)(1)获得潜变量的降维形式的观察是哪一个:
从(9),我们可以重建观察数据通过:
2.3。支持向量机模型
支持向量机是从统计学习理论。其学习目标转换经验风险最小化结构风险最小化和改善过度拟合问题19]。在这项研究中,数据集是根据车牌提取降维过程。然后我们采用支持向量机技术来构建一个自动检测卵巢癌模型分类。
实现模型的建立可以转化为解决优化如下: 在哪里降维的数据集车牌提取后,样品的数量,是一个正规化常数,它决定了最大和最小分类误差之间的权衡,松弛变量,所需的输出,是内核函数,将非线性数据映射到高维空间中线性。
2.4。PPCA-SVM分类器的实现
在本研究中我们使用MATLAB软件和Lib-SVM R2013工具箱(20.构建分类器,实现步骤如下。
步骤1(选择训练集和预测集)。临床数据集预处理包括216个样本;每个样本有15000个蛋白质吸收特性和有一个适当的类型的临床分类,不利于正常的和积极的卵巢癌患者。
我们选择70%的随机数据集作为训练集,其余的预测集。
步骤2(特征提取)。我们使用PCA减少维度。当使用215年累计贡献率可达99.99%在PCA主向量。我们应用PCA特征提取,降低数据维数从15000年到215年,车牌提取使用相同的主向量。
第三步(支持向量机建模)。我们使用SVM建立检测模型和训练支持向量机模型使用径向基函数(RBF)的内核,将非线性数据映射到一个高维空间。为了获得惩罚参数的最佳组合,和RBF的内核,我们进行了10倍交叉验证基于训练集,然后建立支持向量机模型通过训练集作为输入矩阵和临床类别作为输出矩阵。
步骤4(模型评价)。检测模型通过训练集成立。我们使用了预测将验证其性能。评价参数包括预测精度()、敏感性(),特异性(),TP、TN、FP和FN真阳性的数量,真正的负面,假阳性和假阴性。为了避免偶然误差,这个实验是重复10次。
3所示。结果与讨论
使用预测集,我们进行了10倍的预测实验,比较了PPCA-SVM评价参数模型和PCA-SVM模型,分别。表1在分类显示的准确性、敏感性和特异性。
表1显示,平均预测精度、灵敏度和特异性的PCA-SVM模型分别为83.34%,82.70%,和83.88%,分别。相比之下,那些PPCA-SVM模型分别为90.80%,92.98%,和88.97%,分别。PPCA-SVM模型获得更高的准确性、敏感性和特异性,表现优于PCA-SVM模型。
评估分类器的准确性与二进制的结果,我们也画的接受者操作特征(ROC)曲线PCA-SVM PPCA-SVM模型,分别。图2(一个)显示获得的ROC曲线下10使用PCA-SVM分类器预测实验,和图2 (b)显示,使用PPCA-SVM分类器。
(一)
(b)
众所周知,在民国空间,接近左上角,预测精度越高。在相反的位置,靠近右下角,精度越低。比较PCA-SVM的ROC曲线(图2(一个)与PPCA-SVM标识符(图)2 (b)),左上角之间的距离和中华民国曲线在图2(一个)不到图吗2 (b),这意味着PPCA-SVM分类器是优于PCA-SVM分类器。
4所示。结论
卵巢癌的早期诊断可以显著提高病人的治愈率,延长生存时间。SELDI-TOF-MS已被证明是一种有效的技术在肿瘤的早期诊断,并享有大量的蛋白质筛选细胞和组织内准确识别特定的肿瘤标记物。在这项研究中,我们使用216 SELDI-TOF-MS卵巢癌患者和健康人的样本研究的自动检测方法更高的预测精度和效率,提出一种PPCA-SVM分类器。验证模型,我们比较了准确性、敏感性,特异性,民国PPCA-SVM和那些传统的PCA-SVM分类器通过大量的实验。结果表明PPCA-SVM模型是准确和有效的模型来识别卵巢癌,和PPCA-SVM方法结合SELDI-TOF-MS技术在早期临床诊断癌症的前景。
缩写
| SELDI-TOF-MS: | Surfaced-enhanced激光desorption-ionization-time飞行质谱 |
| 主成分分析: | 主成分分析 |
| 车牌提取: | 概率主成分分析 |
| 支持向量机: | 支持向量机 |
| NOCEDP: | 国家卵巢癌早期检测项目 |
| 新兴市场: | 采用 |
| RBF: | 径向基函数 |
| TP: | 真阳性 |
| TN: | 真正的负 |
| 外交政策: | 假阳性 |
| FN: | 假阴性 |
| 中华民国: | 接受者操作特征。 |
相互竞争的利益
作者宣称没有利益冲突。
作者的贡献
烟具霁,姜武和李Suyi本研究的构思和起草论文;Mengying霁提供车牌提取和PCA分析结果也起草了纸;李Suyi设计了支持向量机模型;李Suyi验证了实验结果;壮族你们凌和赵女士给了一些医疗建议和数据预处理。所有作者贡献的讨论工作,并通过了期末论文。
确认
本研究项目的框架内进行“自动检测模型,基于PCA-ANN ECG-SAS(41174095)“国家自然科学基金支持的吉林省,中国。作者感谢项目委员会的成员的帮助。