概率主成分分析联合支持向量机的前列腺SELDI-TOF质谱数据分析方法研究

• 作者: 嵇梦颖 徐壮 李肃义 熊文激 王跃洋 申博文
• 来源期刊: 分析测试学报
• 学科: 化学
• 关键词: 前列腺癌 概率主成分分析 支持向量机 SELDI-TOF-MS
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 研究简报
• 页码范围: 91-95
• 页数: 5页
• 分类号: O657.63|Q461
• 字数: 3515字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4957.2016.01.015

摘要

基于前列腺癌检测中获取的表面增强激光解吸/离子化飞行时间质谱(SELDI-TOF-MS)数据,提出一种概率主成分分析(PPCA)联合支持向量机(SVM)的分类方法.对临床322例血清样本的质谱数据进行特征提取,以随机选取训练样本集(225例)构造SVM判别模型,对剩余样本集(97例)进行测试.采用均方根误差、识别率与预测率指标,将所构造的PPCA-SVM模型分别与偏最小二乘(Partial least squares,PLS)和PCA-SVM模型进行比较,发现PLS模型的识别率和预测率分别为90.92％和76.38％,PCA-SVM模型分别为99.23％和84.63％,而PPCA-SVM模型分别为99.01％和90.41％.因此SELDI-TOF-MS技术结合PPCA-SVM在样品分类中具有准确、重复性好等优点,为前列腺癌早期诊断提供了一种新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊文激		26	217	6.0	14.0
2	李肃义	吉林大学仪器科学与电气工程学院	29	238	7.0	15.0
3	嵇梦颖	吉林大学仪器科学与电气工程学院	1	1	1.0	1.0
4	徐壮	吉林大学仪器科学与电气工程学院	4	11	2.0	3.0
5	王跃洋	吉林大学仪器科学与电气工程学院	3	5	1.0	2.0
6	申博文	吉林大学化学学院	1	1	1.0	1.0