基于多步降维和半监督学习的蛋白质质谱特征提取算法

作者：游晓璐; 祝磊; 曹凯敏; 韩斌

来源：航天医学与医学工程, 2013, (04): 312-316.

• 蛋白质质谱
• 多步降维
• 半监督学习
• 特征提取 protein mass spectrometry
• multi-step dimensionality reduction
• semi-supervised learning
• feature extraction

目的提出一种基于半监督学习的多步降维特征提取方法。方法算法首先运用t-test对样本特征进行筛选,初步降低特征维度;然后进行离散小波变换,对小波系数进行相对熵排序,筛选出新的特征子集;接着进行主成分分析,提取主成分;最后运用半监督学习算法BB-LLGC进行标签传递,充分提取有标记和无标记样本的判别信息。结果在公共卵巢癌数据集OC-WCX2b和公共前列腺癌数据集PC-H4上获得了99.13%和97.20%分类准确率。在浙江省肿瘤医院临床乳腺癌数据集BC-WCX2a上获得了92.78%的分类准确率和100%的敏感性。结论多步降维的特征提取方法可以有效降低SELDI质谱数据的特征维度,结合半监督学习算法BB-LLGC,可以获得较好的分类效果。

• 单位
  杭州电子科技大学