基于聚类分析和半监督学习的蛋白质质谱数据分类
祝磊
曹凯敏
游晓璐
徐平
应南娇
1.杭州电子科技大学生命信息与仪器工程学院,浙江杭州3100182.杭州电子科技大学生命信息与仪器工程学院,浙江杭州3100183.杭州电子科技大学生命信息与仪器工程学院,浙江杭州3100184.杭州电子科技大学生命信息与仪器工程学院,浙江杭州3100185.杭州电子科技大学生命信息与仪器工程学院,浙江杭州310018
摘要：目的 针对高维冗余的SELDI蛋白质质谱数据,提出一种基于聚类分析和半监督学习的数据分类方法.方法 算法首先运用t-test对蛋白质质谱数据进行初步降维;然后将处理后的数据用聚类分析算法进行进一步降维;最后运用半监督学习算法传递标签,充分提取有标记样本和无标记样本的信息,从而进行分类.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99.15％和96.75％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95.18％的分类准确率和100％的敏感性.结论 基于聚类分析的半监督学习方法能够有效利用未标记的质谱样本信息,与经典的监督学习算法相比,其分类性能更理想、实用性更好.
关键词：蛋白质质谱聚类分析半监督学习特征提取
分类号：R318.04(医用一般科学)
资助基金：国家自然科学基金(60801054,61205200)浙江省自然科学基金(LY12F01005)
论文发表日期：2014-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
英文信息